MUTE:一种多层次刺激的去化策略,用于单次白内障视网膜图像去化

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 计算机视觉 计算机视觉

背景情况:

• 白内障显著降低视网膜图像质量,阻碍了准确的诊断.
• 现有的增强方法经常与白内障图像的复杂挑战作斗争.

研究的目的:

• 开发一种有效的方法来消除白内障视网膜图像.
• 提高受白内障影响的视网膜图像的清晰度和诊断效用.

主要方法:

• 提出了白内障视网膜图像dehazing和denoising之间的二元性.
• 在 YPbPr 颜色空间中引入了一种双通 fundus 反射模型.
• 开发了一种多层次的刺激消毒策略 (MUTE) 和一个基于强度的成本函数.

主要成果:

• 提出的方法成功地消除了白内障视网膜图像.
• 视觉和客观评估证明了该方法比最先进的技术优越.
• 白内障层的精细传输矩阵是通过梯度下降与自适应动量估计实现的.

结论:

• 图像denoising和sigmoid功能的组合有效地实现了白内障视网膜图像的dehazing.
• 增强图像显示了诸如血管细分,视网膜图像注册和改进诊断等应用的巨大潜力.