[發明專利]一種基于集成學習的眼底圖像硬性滲出檢測方法

有效

• 申請號: 201811317900.3
• 申請日: 2018-11-07
• 公開（公告）號: CN109523524B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 趙學功;王慧;彭真明;王卓然;蒲恬;何艷敏;袁國慧;曲超;孔軒;范文瀾;賀晨
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/187;G06N3/04
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 何祖斌

1.一種基于集成學習的眼底圖像硬性滲出檢測方法，其特征在于，包括以下步驟：

步驟1：輸入眼底圖像，進行對比度增強，得到增強圖像；

步驟2：提取增強圖像的綠色通道，得到綠色通道圖像，再對其進行中值濾波和開操作，得到背景估計圖像；

步驟3：對背景估計圖像進行形態學重建得到形態學重建圖像，再用步驟2的綠色通道圖像減去形態學重建圖像，得到歸一化背景圖像；

步驟4：對歸一化背景圖像進行動態閾值分割，直到連通域數目大于設定的連通域數目，再去除面積小的連通域得到候選區域模板圖；

步驟5：利用候選區域模板圖對步驟1的增強圖像進行掩模得到候選區域樣本圖，將其送入卷積神經網絡進行前向傳播，將全連接層的向量作為深度特征，同時提取候選區域樣本圖中對應區域的傳統特征；

步驟6：將步驟5的深度特征和傳統特征進行簡單級聯，用主成分分析法進行降維，得到各個候選區域的最終的特征向量；

步驟7：將特征向量送入隨機森林進行判斷，對候選區域進行分類，從而得到最終的滲出標記圖。

2.根據權利要求1所述的一種基于集成學習的眼底圖像硬性滲出檢測方法，其特征在于，所述步驟1的具體步驟為：

步驟1.1：輸入彩色眼底圖像，利用增強公式對眼底圖像的三個通道分別進行對比度增強，所述增強公式如下：

I_i＝α·I_i+τ·Gaussian*I_i+γ

其中，I表示眼底圖像，i表示眼底圖像的R、G、B三個通道，Gaussian表示高斯濾波器，α、τ、γ均為常數；

步驟1.2：將增強后的三個通道合并為增強圖像；

步驟1.3：同時對眼底圖像進行血管分割，得到血管分割圖。

3.根據權利要求1所述的一種基于集成學習的眼底圖像硬性滲出檢測方法，其特征在于，所述步驟2的具體步驟為：

步驟2.1：提取增強圖像的綠色通道，得到綠色通道圖像；

步驟2.2：采用尺寸為50～70像素的中值濾波器對綠色通道圖像進行濾波得到濾波圖像；

步驟2.3：采用面積為10～20像素的圓盤結構元對濾波圖像進行開操作，得到背景估計圖像。

4.根據權利要求1所述的一種基于集成學習的眼底圖像硬性滲出檢測方法，其特征在于，所述步驟3的具體步驟為：

步驟3.1：將背景估計圖像作為marker，將綠色通道圖像作為mask，對背景估計圖像進行形態學重建，得到形態學重建圖像；

步驟3.2：用步驟2的綠色通道圖像減去形態學重建圖像，得到歸一化背景圖像。

5.根據權利要求2所述的一種基于集成學習的眼底圖像硬性滲出檢測方法，其特征在于，所述步驟4的具體步驟為：

步驟4.1：計算歸一化背景圖像像素值的最大值t_max和最小值t_min；

步驟4.2：將閾值的范圍設定為t_max到t_min，從高到低對步驟4.1中的歸一化背景圖像進行二值化，直到二值化后圖像的連通域數目小于預設定的連通域數目K，則將該二值化圖像記為若遍歷所有范圍，仍未找到符合連通域數目的二值化圖像，則直接使用人為給定的閾值對歸一化背景圖像進行二值化，并將該二值化圖像記為

步驟4.3：刪除二值化圖像中像素面積小于設定值px的連通域，所述設定值px的取值范圍為1≤px≤10，得到候選區域模板圖。