Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Weight-Selection Strategy on Training Deep Neural Networks for Imbalanced Classification Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Contrast Enhancement by Top-Hat and Bottom-Hat Transform with Optimal Structuring Element: Application to Retinal Vessel Segmentation

verfasst von : Rafsanjany Kushol, Md. Hasanul Kabir, Md Sirajus Salekin, A. B. M. Ashikur Rahman

Erschienen in: Image Analysis and Recognition

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Automatic detection of the retinal blood vessel can be used in biometric identification, computer assisted laser surgery, and diagnosis of many eye related diseases. Early detection of retinal blood vessel helps people to take proper treatment against diseases such as diabetic retinopathy, hypertension which can significantly reduce possible vision loss. This paper presents an efficient and simple contrast enhancement technique where morphological operations like top-hat and bottom-hat are applied to enhance the image. Edge Content-based contrast matrix is measured for selecting the optimal structuring element size and simple straightforward steps are applied for completely extracting the vessels from the enhanced retinal image. The proposed method acquires an average accuracy rate of 0.9379 and 0.9504 on two publicly available DRIVE and STARE benchmark dataset respectively.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Automated Analysis of Directional Optical Coherence Tomography Images
Nächstes Kapitel Retinal Biomarkers of Alzheimer’s Disease: Insights from Transgenic Mouse Models
Literatur
1.
Joussen, A.M., Gardner, T.W., Kirchhof, B., Ryan, S.J.: Retinal Vascular Disease. Springer, Heidelberg (2007)CrossRef
2.
Fraz, M.M., Remagnino, P., Hoppe, A., Uyyanonvara, B., Rudnicka, A.R., Owen, C.G., Barman, S.A.: Blood vessel segmentation methodologies in retinal images a survey. Comput. Methods Prog. Biomed. 108(1), 407–433 (2012)CrossRef
3.
Chaudhuri, S., Chatterjee, S., Katz, N., Nelson, M., Goldbaum, M.: Detection of blood vessels in retinal images using two-dimensional matched filters. IEEE Trans. Med. Imaging 8(3), 263–269 (1989)CrossRef
4.
Hoover, A., Kouznetsova, V., Goldbaum, M.: Locating blood vessels in retinal images by piecewise threshold probing of a matched filter response. IEEE Trans. Med. Imaging 19(3), 203–210 (2000)CrossRef
5.
Zhang, B., Zhang, L., Zhang, L., Karray, F.: Retinal vessel extraction by matched filter with first-order derivative of Gaussian. Comput. Biol. Med. 40(4), 438–445 (2010)CrossRef
6.
Chakraborti, T., Jha, D.K., Chowdhury, A.S., Jiang, X.: A selfadaptive matched filter for retinal blood vessel detection. Mach. Vis. Appl. 26(1), 55–68 (2015)CrossRef
7.
Vlachos, M., Dermatas, E.: Multi-scale retinal vessel segmentation using line tracking. Comput. Med. Imaging Graph. 34(3), 213–227 (2010)CrossRef
8.
Mendonca, A.M., Campilho, A.: Segmentation of retinal blood vessels by combining the detection of centerlines and morphological reconstruction. IEEE Trans. Med. Imaging 25(9), 1200–1213 (2006)CrossRef
9.
Miri, M.S., Mahloojifar, A.: Retinal image analysis using curvelet transform and multistructure elements morphology by reconstruction. IEEE Trans. Biomed. Eng. 58(5), 1183–1192 (2011)CrossRef
10.
Soares, J.V., Leandro, J.J., Cesar, R.M., Jelinek, H.F., Cree, M.J.: Retinal vessel segmentation using the 2-D Gabor wavelet and supervised classification. IEEE Trans. Med. Imaging 25(9), 1214–1222 (2006)CrossRef
11.
Fraz, M.M., Remagnino, P., Hoppe, A., Uyyanonvara, B., Rudnicka, A.R., Owen, C.G., Barman, S.A.: An ensemble classification-based approach applied to retinal blood vessel segmentation. IEEE Trans. Biomed. Eng. 59(9), 2538–2548 (2012)CrossRef
12.
Marin, D., Aquino, A., Gegundez-Arias, M.E., Bravo, J.M.: A new supervised method for blood vessel segmentation in retinal images by using gray-level and moment invariants-based features. IEEE Trans. Med. Imaging 30(1), 146–158 (2011)CrossRef
13.
Lidong, H., Wei, Z., Jun, W., Zebin, S.: Combination of contrast limited adaptive histogram equalisation and discrete wavelet transform for image enhancement. IET Image Process. 9(10), 908–915 (2015)CrossRef
14.
Hassanpour, H., Samadiani, N., Salehi, S.M.: Using morphological transforms to enhance the contrast of medical images. Egypt. J. Radiol. Nucl. Med. 46(2), 481–489 (2015)CrossRef
15.
Gupta, S., Porwal, R.: Appropriate contrast enhancement measures for brain and breast cancer images. Int. J. Biomed. Imaging 2016, 8 p. (2016). Article ID 4710842. doi:10.​1155/​2016/​4710842
16.
Saleem, A., Beghdadi, A., Boashash, B.: Image fusion-based contrast enhancement. EURASIP J. Image Video Process. 2012(1), 1 (2012)CrossRef
17.
Seiffert, C., Khoshgoftaar, T.M., Van Hulse, J., Napolitano, A.: Rusboost: a hybrid approach to alleviating class imbalance. IEEE Trans. Syst. Man Cybern.-Part: A Syst. Hum. 40(1), 185–197 (2010)CrossRef
18.
Niemeijer, M., Staal, J., Ginneken, B.V., Loog, M., Abramoff, M.D.: Comparative study of retinal vessel segmentation methods on a new publicly available database. In: International Society for Optics and Photonics, Medical Imaging 2004, pp. 648–656 (2004)
Metadaten
Titel
Contrast Enhancement by Top-Hat and Bottom-Hat Transform with Optimal Structuring Element: Application to Retinal Vessel Segmentation
verfasst von
Rafsanjany Kushol
Md. Hasanul Kabir
Md Sirajus Salekin
A. B. M. Ashikur Rahman
Copyright-Jahr
2017
Buch
Image Analysis and Recognition

Print ISBN: 978-3-319-59875-8

Electronic ISBN: 978-3-319-59876-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-59876-5_59

Premium Partner

    Bildnachweise