[發明專利]視網膜圖像分類方法及裝置

有效

• 申請號: 201611248700.8
• 申請日: 2016-12-29
• 公開（公告）號: CN106846301B
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 唐宋元;楊健;王涌天;艾丹妮
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 李相雨

1.一種視網膜圖像分類方法，其特征在于，包括：

獲取樣本視網膜圖像；

提取所述樣本視網膜圖像的感興趣區域，并提取所述感興趣區域中的視盤區域和血管區域；

提取所述感興趣區域中的所述視盤區域以及所述血管區域之外的區域的圖像特征，以根據所述圖像特征訓練圖像分類器；

獲取待分類的目標視網膜圖像；

提取所述目標視網膜圖像的目標感興趣區域，并提取所述目標感興趣區域中的視盤區域和血管區域；

提取所述目標感興趣區域中的所述視盤區域以及所述血管區域之外的區域的圖像特征，以根據所述圖像分類器對所述目標視網膜圖像進行分類；

其中，所述圖像分類器包括softmax分類器；

相應的，根據所述圖像特征訓練圖像分類器時，對應的代價函數為：

式中，θ表示softmax分類器的參數，N表示所述樣本視網膜圖像的總數，c表示分類類別總數，x(i)表示softmax分類器的輸入，λ為一常數，Θ表示圖像特征的長度；

其中，所述提取所述感興趣區域中的所述視盤區域以及所述血管區域之外的區域的圖像特征，以根據所述圖像特征訓練圖像分類器，包括：

從所述感興趣區域中的所述視盤區域以及所述血管區域之外的區域中，隨機提取多個圖像小塊；

根據神經網絡算法提取所述多個圖像小塊的圖像特征，并根據所述圖像特征確定最終圖像特征，以根據所述最終圖像特征訓練圖像分類器。

2.根據權利要求1所述的方法，其特征在于，所述提取所述樣本視網膜圖像的感興趣區域，包括：

獲取所述樣本視網膜圖像對應的二值化圖像，并對所述二值化圖像進行膨脹和腐蝕處理，以得到所述感興趣區域。

3.根據權利要求1所述的方法，其特征在于，所述提取所述感興趣區域中的視盤區域，包括：

對所述感興趣區域作高斯金字塔分解，并在分解得到的最后一級圖像中，以灰度最大的點為視盤中心、以預設長度為半徑確定目標圓形區域，以將所述圓形區域作為所述視盤區域。

4.根據權利要求1所述的方法，其特征在于，所述樣本視網膜圖像為RGB三通道圖像；

相應地，所述提取所述感興趣區域中的血管區域，包括：

首先選取所述三通道圖像中的綠色通道圖像I^g，對所述綠色通道圖像I^g進行開運算得到圖像；

對所述圖像進行插值運算以及中值濾波得到I_go圖像；

對所述I_go圖像進行開運算并與所述I_go圖像進行差運算得到圖像；

對所述圖像采用Ostu分割法進行分割，得到所述血管區域。

5.一種視網膜圖像分類裝置，其特征在于，包括：

樣本圖像獲取單元，用于獲取樣本視網膜圖像；

圖像區域提取單元，用于提取所述樣本視網膜圖像的感興趣區域，并提取所述感興趣區域中的視盤區域和血管區域；

分類器訓練單元，用于提取所述感興趣區域中的所述視盤區域以及所述血管區域之外的區域的圖像特征，以根據所述圖像特征訓練圖像分類器；

目標圖像獲取單元，用于獲取待分類的目標視網膜圖像；

目標區域獲取單元，用于提取所述目標視網膜圖像的目標感興趣區域，并提取所述目標感興趣區域中的視盤區域和血管區域；

目標圖像分類單元，用于提取所述目標感興趣區域中的所述視盤區域以及所述血管區域之外的區域的圖像特征，以根據所述圖像分類器對所述目標視網膜圖像進行分類；

其中，所述圖像分類器包括softmax分類器；

相應的，根據所述圖像特征訓練圖像分類器時，對應的代價函數為：

式中，θ表示softmax分類器的參數，N表示所述樣本視網膜圖像的總數，c表示分類類別總數，x(i)表示softmax分類器的輸入，λ為一常數，Θ表示圖像特征的長度；

其中，所述分類器訓練單元具體用于：

從所述感興趣區域中的所述視盤區域以及所述血管區域之外的區域中，隨機提取多個圖像小塊；

根據神經網絡算法提取所述多個圖像小塊的圖像特征，并根據所述圖像特征確定最終圖像特征，以根據所述最終圖像特征訓練圖像分類器。