收录：
摘要：
基于深度学习与传统方法相结合的视网膜血管分割方法，涉及计算机视觉以及模式识别领域。本发明将两种灰度图像都作为网络的训练样本，针对视网膜图像数据少的问题做了相应的数据扩增包括弹性形变，平滑滤波等等，扩大了该发明的广泛适用性。本发明通过构建FCN‑HNED的视网膜血管分割深度网络，该网络极大程度的实现了自主学习的过程，不仅可以分享整个图像的卷积特征，减少特征冗余，又可以从抽象的特征中恢复出多个像素的所属类别，分别将视网膜血管图像的CLAHE图和高斯匹配滤波图分别输入网络使其得到的血管分割图进行加权平均从而得到更好更完整的视网膜血管分割概率图，该种处理方式极大程度的提高了血管分割的鲁棒性与准确性。
关键词：
通讯作者信息：
电子邮件地址：
