低质量视网膜眼底图像的建模与增强
图像与视频处理
2020-12-10 v3 计算机视觉与模式识别
摘要
视网膜眼底图像被广泛用于眼病的临床筛查与诊断。然而，由不同经验水平的操作者捕获的眼底图像在质量上差异很大。低质量眼底图像增加了临床观察的不确定性并导致误诊风险。但由于眼底成像的特殊光束与视网膜结构，自然图像增强方法无法直接用于解决该问题。本文中，我们首先分析检眼镜成像系统，并模拟包含不均匀光照、图像模糊和伪影等主要低质量因素的可靠退化。然后，基于该退化模型，提出一种面向临床的眼底增强网络 (cofe-Net)，在抑制全局退化因素的同时，保留用于临床观察与分析的视网膜解剖结构和病理特征。在合成与真实图像上的实验表明，我们的算法能有效校正低质量眼底图像且不丢失视网膜细节。此外，我们还展示了该眼底校正方法有益于医学图像分析应用，例如视网膜血管分割与视盘/杯检测。
引用
@article{arxiv.2005.05594,
title = {Modeling and Enhancing Low-quality Retinal Fundus Images},
author = {Ziyi Shen and Huazhu Fu and Jianbing Shen and Ling Shao},
journal= {arXiv preprint arXiv:2005.05594},
year = {2020}
}