基于改进Haar小波的视网膜图像白内障分级分层方法
计算机视觉与模式识别
2019-04-03 v1
摘要
白内障是可能发生于晶状体不同位置的晶状体混浊，是全球视力受损的首要原因。准确及时的诊断可改善白内障患者的生活质量。本文提出一种基于特征提取的视网膜图像白内障严重程度分级方法。为获得更适于自动分级的特征，根据视网膜图像特性改进了Haar小波。利用改进Haar小波自动识别非白内障及轻、中、重度白内障的视网膜图像。采用分层策略将四分类问题转化为三个相邻的二分类问题。基于神经网络的三组二分类器分别训练并集成以建立完整分类系统。二分类（白内障与非白内障）与四分类的准确率分别为94.83%与85.98%。性能分析表明，改进Haar小波特征较原始Haar小波特征取得更高准确率，且三组二分类器的融合优于简单四分类器。讨论指出基于视网膜图像的方法在白内障检测方面具有显著潜力。
引用
@article{arxiv.1904.01261,
title = {Hierarchical method for cataract grading based on retinal images using improved Haar wavelet},
author = {Lvchen Cao and Huiqi Li and Yanjun Zhang and Liang Xu and Li Zhang},
journal= {arXiv preprint arXiv:1904.01261},
year = {2019}
}
备注
Under Review by Information Fusion (Elsevier)