基于点特异度和自适应分类策略的眼底图像分割方法

提出基于点特异度和自适应分类策略的血管分割方法（SSVD,specificity and self-adaptive vessel detection），首先给出点特异度的定义，通过设置高点特异度阈值，实现主血管的提取，然后由多主体进行自适应像素分类，将每个未确定像素作为一个Agent，在多尺度点特异度阈值范围内，根据邻域Agent状态修订自身状态，逐步完成对像素的分类，最后通过多窗口去噪对噪音进行滤除完成对图像血管结构的分割。将SSVD方法应用到DRIVE数据库眼底图像的血管分割中，实验结果表明该方法要比现有其他方法具有更高的准确度和效率。