结合PCANet与线性判别分析的视网膜光学相干断层扫描图像分类

• 作 者: 丁思静 孙中阳 孙延奎 王永革
• 机 构: 清华大学计算机科学与技术系,北京100084北京航空航天大学数学与系统科学学院,北京100191;清华大学计算机科学与技术系,北京100084;广东省大数据分析与处理重点实验室,广州510006;北京
• 出 处: 中国图象图形学报
• 发表日期: 2019年01期
• 关键词: 光学相干断层扫描 年龄相关性黄斑变性 糖尿病性黄斑水肿 主成分分析网络 线性判别分析 图像分类 半监督学习

目的主成分分析网络(PCANet)能提取图像的纹理特征,线性判别分析(LDA)提取的特征有类别区分性。本文结合这两种方法的优点,提出一种带线性判别分析的主成分分析网络(PCANet-LDA),用于视网膜光学相干断层扫描(OCT)图像中的老年性黄斑变性(AMD)、糖尿病性黄斑水肿(DME)及正常(NOR)这3类的全自动分类。方法 PCANet-LDA算法是在PCANet的基础上添加了LDA监督层,该层加入了类标签对特征进行监督投影。首先,对OCT视网膜图像进行去噪、二值化及对齐裁剪等一系列预处理,获得