潘燕红，潘 林

(福州大学数字媒体研究院，福建 福州 350002)

0 引言

糖尿病视网膜病变(Diabetic Retinopathy，DR)是糖尿病的严重眼部并发症，已成为导致30岁～69岁成年人失明的最主要原因［1］。DR造成的视力损伤多为不可逆转，因此DR的早期诊断、治疗及控制非常重要。传统的由眼科医生人工检查方式存在效率低、劳动强度大、主观因素多等缺点，借助计算机图像处理等技术对DR进行准确、快速的检测具有重要的临床意义和科研价值。

图1 含硬性渗出的眼底图像:DIARETDB1 image005

HEs在彩色眼底图像中呈蜡黄色点片状，离散分布在眼底中，如图1所示，当HEs出现在黄斑区域时，会严重威胁到患者视力［1］。由于软性渗出、视盘与硬性渗出在颜色特征上较为相似，给HEs的检测带来困难;此外，因成像硬件条件造成的眼底图像光照不均、对比度差也会影响检测效果。HEs的检测方法大致可分为非监督分类方法［2-4］和监督分类方法［5-6］。Phillips［2］等人结合全局及局部阈值来分割渗出物。Sinthanayothin［3］等人采用递归区域生长法提取HEs。Walter［4］在眼底图像绿色通道上利用数学形态学方法HEs的轮廓。Osareh［5］等人先利用模糊C均值聚类分析分割出病灶候选区域，再用多层神经网络对分割出来的区域进行分类。Adarsh［6］等人基于多分类SVM方法检测DR眼底图像特征。

本文提出一种基于支持向量机(Support Vector Machine，SVM)的HEs检测方法，属于监督分类方法，其流程如图2所示。首先对DR眼底图像进行粗分割，获得HEs病灶候选区域;接着在此候选区域上提取特征并SVM分类出候选区域上的HEs和非HEs，得到HEs的精确检测。

图2 本文方法流程图