提出基于点特异度和自适应分类策略的血管分割方法(SSVD,specificity and self-adaptive vessel detection),首先给出点特异度的定义,通过设置高点特异度阈值,实现主血管的提取,然后由多主体进行自适应像素分类,将每个未确定像素作为一个Agent,在多尺度点特异度阈值范围内,根据邻域Agent状态修订自身状态,逐步完成对像素的分类,最后通过多窗口去噪对噪音进行滤除完成对图像血管结构的分割。将SSVD方法应用到DRIVE数据库眼底图像的血管分割中,实验结果表明该方法要比现有其他方法具有更高的准确度和效率。
