مینا غیور - دانشکده مهندسی برق- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
حسین پورقاسم - مرکز تحقیقات پردازش تصویر و بینایی ماشین، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

دیابت یکی از شایع­ترین بیماری­ها در جهان است که آثار مخربی بر روی قسمت­های مختلف بدن برجای می­گذارد. از ابتدایی­ترین قسمت­هایی که دچار عارضه می­شود چشم است. تحلیل صدمات وارد شده بر روی شبکیه چشم از بهترین راه­های تشخیص دیابت است. به همین علت ابتدا یک روش پرکاربرد و موثر برای حذف نویز تصاویر با ترکیب فیلتر وینر و تبدیل موجک گسسته اعمال می­شود. در مرحله بعد از الگوریتم خوشه­بندی k-means برای حذف قسمت­های نامطلوب تصویر شامل نواحی خیلی روشن و خیلی تیره تصویر، استفاده می­شود. سپس ویژگی­های رنگ و شکل تصاویر استخراج می­شود. برای استخراج ویژگی­های رنگ تصویر، تصاویر را به فضای lab که برای چشم انسان بهتر قابل درک­ است برده می­شود و برای استخراج ویژگی­های شکل ابتدا تصاویر را به تصاویر خاکستری تبدیل کرده و سپس اقدام به استخراج ویژگی­های شکل می­گردد. پس از استخراج ویژگی­ها به کمک الگوریتم تجزیه و تحلیل­مولفه­های­اصلی تعداد ویژگی­ها را کاهش داده و بهترین و موثرترین ویژگی­ها انتخاب می­شود. در پایان برای طبقه­بندی ویژگی­ها و تصاویر به دو گروه سالم و بیمار، از طبقه­­بند ماشین بردار پشتیبان با کرنل­های متفاوت استفاده می­شود. این الگوریتم صحت بالای ۹۰% برای تصاویر آزمایشی حاصل می­کند.

رتینوپاتی دیابتی, ویژگی های شکل و رنگ تصاویر, تجزیه و تحلیل مولفه های اصلی, ماشین بردار پشتیبان