摘要

人眼视网膜血管的自动分割对多种疾病的诊断和预防具有重要作用,由于视网膜图像中的血管结构复杂,因此高效准确分割出血管是一个巨大挑战。本文提出了一种改进的U-net算法用于视网膜图像中血管的分割提取,首先提取眼底图像的绿色通道图,接着采用随机角度旋转、镜像翻转等数据增强方法来扩充训练集;然后引入多尺度卷积,更好地提取各层的特征,提升细小血管的分割结果;最后引入resnet残差网络进一步提取深层图像的特征,同时改善网络层数加深造成梯度爆炸和梯度消失的问题。本文算法在DRIVE数据库的准确率达到97.04%,灵敏度达到81.37%,在STARE数据库准确率达到98.23%,灵敏度达到82.89%。较现有先进算法具有一定提升,可以精确分割出视网膜图像中的血管。