The invention discloses a DBSCAN density clustering method based on the region growing method. According to the special spatial characteristics of the eyeground image data set, the invention improves the traditional DBSCAN method by referring to the relevant principles of the region growing method in the digital image processing. The region growing method firstly takes a point in the eyeground image as the center and constantly merges 8 \u2011 neighborhood of each central pixel point (and The eight adjacent pixels are called 8 \u2011 neighborhood), which are similar to this point enough to achieve the effect of region growth. Compared with traditional DBSCAN for fundus vascular extraction, the time cost of calculation has been greatly improved.
【技术实现步骤摘要】
基于区域增长法的DBSCAN密度聚类方法
本专利技术涉及利用密度聚类中的DBSCAN方法来对眼底血管进行提取，并且利用区域增长法的相关原理改进传统DBSCAN方法来实现对于图像数据集的加速计算，属于人工智能和医学图像处理领域。
技术介绍
在如今社会经济飞速发展的时代，计算机以及信息技术等方面也跟着飞速发展，由此引发的多种新型技术如雨后春笋般融入到人们的日常生活之中，其中数据挖掘(DM)技术就诞生于人们的不断研究中。它出现在20世纪90年代，并在这几十年的不断探索中，出现了各种各样的数据挖掘方法，其中，聚类分析是其中比较重要的方法之一，并且越来越受到人们的关注。聚类分析又称为群分析，是一种重要的分类方法，它是根据事物自身的特征，通过已建立的统计模型对事物进行多元分析方法的一种统计方法，其目的在于将相似的事物进行归类，这些类不是事先给定的，而是需要通过聚类分析来给以确定类型。聚类分析归根结底是由分类演变而来，然而两者却有着本质的区别，比如对于分类需要通过在训练集上训练以此来提炼一些潜在的规则，而对于聚类来讲，却是在没有训练样本的...
【技术保护点】
1.基于区域增长法的DBSCAN密度聚类方法，其特征在于：该方法包括如下步骤，/nS1输入眼底图像；/nS2对输入眼底图像进行均值滤波、对比度增强等预处理；/nS3对预处理后的眼底图像按照从左到右、由上至下的顺序找到一个未处理的点P；/nS4计算点P的8邻域内是否包含大于MinPts个像素点与该点P像素值差小于Eps，若不满足该要求则转S8，若满足该要求，则转S5；/nS5将点P标记为核心点，建立一个新簇C，转S6；/nS6将与点P连通包含在Eps邻域内的数据点的所有核心点与边缘点都加入到新簇C中，转S8；/nS7标记点P为噪声点，转S8；/nS8若输入眼底图像所采集像素点...
【技术特征摘要】
1.基于区域增长法的DBSCAN密度聚类方法，其特征在于：该方法包括如下步骤，
S1输入眼底图像；
S2对输入眼底图像进行均值滤波、对比度增强等预处理；
S3对预处理后的眼底图像按照从左到右、由上至下的顺序找到一个未处理的点P；
S4计算点P的8邻域内是否包含大于MinPts个像素点与该点P像素值差小于Eps，若不满足该要求则转S8，若满足该要求，则转S5；
S5将点P标记为核心点，建立一个新簇C，转S6；
S6将与点P连通包含在Eps邻域内的数据点的所有核心点与边缘点都加入到新簇C中，转S8；
S7标记点P为噪声点，转S8；
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。