[發明專利]一種基于相位一致性的眼底圖像視盤定位方法

無效

• 申請號: 201210461624.4
• 申請日: 2012-11-14
• 公開（公告）號: CN103006175A
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 肖志濤;耿磊;張芳;吳駿;李筱涵
• 申請（專利權）人: 天津工業大學
• 主分類號: A61B3/12
• 分類號: A61B3/12;A61F9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本專利涉及一種基于相位一致性的眼底圖像視盤定位方法，該方法可確定視盤在眼底圖像中的位置，對正常眼底和輕度、中度、重度糖尿病病變眼底圖像均有很高的準確性，屬于圖像處理技術領域，可應用于臨床眼科以及與眼底病變相關疾病的診斷和治療。

背景技術

醫學圖像處理與分析一直都是圖像處理和分析領域中研究的重點和熱點問題。借助圖形、圖像技術的有力手段，醫學圖像的質量和顯示方法得到了極大的改善，使得診療水平大大提高。圖像處理技術引入眼科已多年，通過眼底圖像的計算分析，對視盤、視網膜血管以及黃斑中央凹等重要眼底組織進行定量測量，在正常和異常之間做出明確鑒別，能及早、準確地發現各種眼部病變和相當多的全身性疾病，如糖尿病、高血壓、動脈硬化等。隨著社會對臨床眼底檢測的迫切需要，現有眼底圖像檢測方法在實際應用和測試中表現出諸多不足，這一領域面臨的困難和挑戰也日益增加。

視盤是眼底的重要組織之一，是一個直徑約為1.5mm的淡紅色的圓形區，也稱為視神經乳頭，是視網膜神經纖維和視網膜血管出入眼球的部位，接收來自視覺感知細胞產生的神經沖動，并進一步通過視神經傳導至大腦形成視覺。其中央為漏斗狀凹陷，稱為生理凹陷。在視盤的中央可以看到4支視網膜動脈與靜脈，是維持視網膜營養的重要保證。視盤的形狀、面積和深度等參數是衡量眼底健康狀況的重要指標，視盤定位是眼底圖像配準拼接、血管分割、黃斑和病變提取以及視盤分割等眼底圖像處理的基礎。成像及個人差異等多樣性造成視盤形狀、顏色、大小等特征差異巨大，特別是多種眼底病變的存在給視盤自動定位帶來困難。研究出能滿足臨床眼底檢測所要求的準確性、客觀性、可重復性標準的眼底圖像視盤定位方法，對于臨床眼科研究以及與眼底病變相關疾病的診斷和治療具有重要意義。

迄今為止，有關眼底圖像檢測技術的研究工作已經取得了許多成果，國內外學者提出了很多視盤定位方法。如：Hoover等利用模糊聚類的方法建立血管與視盤之間的關系，進而得到較好的定位效果(Hoover?A，Goldbaum?M.Locating?the?optic?nerve?in?a?retinal?image?using?the?fuzzy?convergence?of?theblood?vessels[J].IEEE?Transaction?on?Medical?Imaging，2003，22(8)：951-958)。Tobin等建立在血管網的精確提取之上，通過分析其亮度、寬度以及方向信息定位視盤(Tobin?K?W，Chaum?E，Govindasamy?VP，et?al.Detection?of?anatomic?structures?in?human?retinal?imagery[J].IEEE?Transaction?on?Medical?Imaging，2007，26(12)：1729-1739)。李居鵬等通過構建“類血管”交叉網絡實現視盤定位(李居鵬，陳后金，張新媛.基于交叉網絡的眼底視神經乳頭自動定位.電子與信息學報，2009，31(5)：1170-1174)。基于眼底視盤的不同屬性，一般將現有視盤定位方法分為兩種，基于視盤本身特征的方法和基于視網膜血管結構的方法。第一類方法基于視盤大致的圓形結構特征和相對眼底其它部位有較高亮度的特性來定位視盤，對于有病變出現的視網膜，這種方法的魯棒性不強，尤其對于出現眼底疾病的情況，該方法并不能取得良好的定位結果。此外，這類方法大都先通過形態學預處理方法去除眼底血管，然而形態學預處理使用全局統一、固定的形態學結構元，并且形態學變換存在固有的非線性與不可逆性，因此不可避免地對視盤邊緣特征引入較大的改變，導致定位結果的不準確。第二類方法基于視盤為視網膜血管網絡匯聚點的屬性，需要事先分割出血管，對血管網的提取精度有較高的要求，計算復雜度較高，并且僅適用于血管網清晰的視網膜圖像，難以實現不同圖像質量下的視盤定位。

眼底圖像背景復雜，視盤和背景的對比度低、光照不均勻、視盤大小不統一等因素都會影響定位結果，造成定位不準確甚至目標丟失。因此，需要一種不受圖像中的噪聲、亮度和對比度變化的影響，具有通用性、魯棒性的眼底圖像視盤定位方法。

發明內容

為實現視盤定位結果不受圖像噪聲、亮度等因素影響的目的，本發明提供了一種基于相位一致性的眼底圖像視盤定位方法，包括以下步驟：首先，為突出視盤，將眼底圖像變換到Lab、Yuv、Yiq和Hsv四個顏色空間，分別選擇各空間中視盤與背景對比度最強的通道圖像；然后，對四個選定的通道圖像分別進行相位一致性處理，通過邏輯“與”運算增強結果；最后，利用窗口掃描和灰度累積的方法定位視盤。