暗通道与亮通道先验引导的深度网络用于视网膜图像质量评估
图像与视频处理
2021-04-21 v2 计算机视觉与模式识别
摘要
视网膜图像质量评估是视网膜疾病诊断中的一项重要任务。近年来，涌现出许多用于视网膜图像质量分级的深度模型。当前最优方法要么直接将为自然图像设计的分类网络迁移至视网膜图像的质量分类，要么通过多分支CNN或独立CNN引入额外的图像质量先验。本文提出一种暗通道与亮通道先验引导的用于视网膜图像质量评估的深度网络，称为GuidedNet。具体而言，将暗通道与亮通道先验嵌入网络起始层，以提升深度特征的判别能力。此外，我们重新标注了一个名为RIQA-RFMiD的新视网膜图像质量数据集以作进一步验证。在公开视网膜图像质量数据集Eye-Quality和我们重新标注的RIQA-RFMiD上的实验结果证明了所提GuidedNet的有效性。
引用
@article{arxiv.2010.13313,
title = {A Dark and Bright Channel Prior Guided Deep Network for Retinal Image Quality Assessment},
author = {Ziwen Xu and Beiji Zou and Qing Liu},
journal= {arXiv preprint arXiv:2010.13313},
year = {2021}
}