[發(fā)明專利]一種基于集成學(xué)習(xí)的眼底圖像硬性滲出檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811317900.3
• 申請(qǐng)日: 2018-11-07
• 公開(kāi)（公告）號(hào): CN109523524B
• 公開(kāi)（公告）日: 2020-07-03
• 發(fā)明（設(shè)計(jì)）人: 趙學(xué)功;王慧;彭真明;王卓然;蒲恬;何艷敏;袁國(guó)慧;曲超;孔軒;范文瀾;賀晨
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/136;G06T7/187;G06N3/04
• 代理公司: 成都弘毅天承知識(shí)產(chǎn)權(quán)代理有限公司 51230
• 代理人: 何祖斌

本發(fā)明公開(kāi)了一種基于集成學(xué)習(xí)的眼底圖像硬性滲出檢測(cè)方法，屬于圖像處理技術(shù)領(lǐng)域，首先對(duì)輸入的眼底圖像進(jìn)行對(duì)比度增強(qiáng)、濾波以及形態(tài)學(xué)重建，再利用已訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)提取樣本的深度特征，并對(duì)其提取傳統(tǒng)特征，再將兩者進(jìn)行級(jí)聯(lián)，采用主成分分析法進(jìn)行降維，最后將降維后特征和標(biāo)簽送入已訓(xùn)練好的隨機(jī)森林分類器進(jìn)行分類，從而分割出眼底圖像的硬性滲出區(qū)域，解決了現(xiàn)有硬性滲出檢測(cè)方法存在計(jì)算量較大，檢測(cè)準(zhǔn)確率不高和檢測(cè)不完全的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)圖像處理技術(shù)領(lǐng)域，涉及一種基于集成學(xué)習(xí)的眼底圖像硬性滲出檢測(cè)方法。

背景技術(shù)

目前，常常通過(guò)對(duì)拍攝的視網(wǎng)膜眼底圖像進(jìn)行人工觀察來(lái)找出硬性滲出的位置、數(shù)目等，然而，人工找出硬性滲出的位置和統(tǒng)計(jì)滲出數(shù)目是一項(xiàng)任務(wù)量大且費(fèi)時(shí)費(fèi)力的工作，且在很大程度上要求眼底醫(yī)生具備專業(yè)熟練的技能，這不適用于在基層偏遠(yuǎn)地區(qū)進(jìn)行，因此通過(guò)計(jì)算機(jī)圖像處理等技術(shù)來(lái)檢測(cè)出眼底圖像中的硬性滲出，提醒醫(yī)生注意相關(guān)區(qū)域，輔助其進(jìn)行觀察，是一項(xiàng)具有現(xiàn)實(shí)意義的工作。

由于眼底圖像中存在與硬性滲出具有相似亮度、顏色和對(duì)比度的血管、視盤(pán)、視盤(pán)纖維等，容易對(duì)硬性滲出的檢測(cè)造成干擾，可能被計(jì)算機(jī)誤識(shí)別為硬性滲出，因此對(duì)硬性滲出的自動(dòng)分割是一項(xiàng)具有挑戰(zhàn)的工作，近幾年國(guó)內(nèi)外的學(xué)者們都開(kāi)始重視硬性滲出的檢測(cè)與分割。

基于計(jì)算機(jī)圖像處理技術(shù)的硬性滲出檢測(cè)方法主要包括基于閾值分割的方法、基于區(qū)域生長(zhǎng)的方法、基于形態(tài)學(xué)的方法和基于分類器的方法。Sanchez等人提出的閾值混合模型來(lái)對(duì)圖像直方圖進(jìn)行處理，從而動(dòng)態(tài)地分割出硬性滲出，但是會(huì)存在較多的血管和視神經(jīng)盤(pán)，容易對(duì)硬性滲出的檢測(cè)造成諸多干擾；Sinthanayothin等人提出循環(huán)區(qū)域生長(zhǎng)法來(lái)自動(dòng)檢測(cè)，但是該方法計(jì)算量較大，耗時(shí)較長(zhǎng)；Walter等人提出通過(guò)形態(tài)學(xué)方法移除視盤(pán)，再基于像素值方差來(lái)找到硬性滲出的輪廓，并用形態(tài)學(xué)重建得到硬性滲出區(qū)域，相似地，Sopharak等人也提出基于形態(tài)學(xué)的硬性滲出分割方法，該方法首先采用形態(tài)學(xué)閉操作重建算子移除血管和視盤(pán)，再通過(guò)H通道和I通道計(jì)算出各像素的標(biāo)準(zhǔn)方差以及統(tǒng)計(jì)邊緣輪廓像素來(lái)檢測(cè)硬性滲出，但是由于硬性滲出具有大小不規(guī)則且亮度不均勻等特征，基于形態(tài)學(xué)的方法很難選擇出合適的參數(shù)，且往往只能分割出部分硬性滲出和其他非滲出目標(biāo)，分割精度不高，從而導(dǎo)致檢測(cè)準(zhǔn)確率不高；基于分類器的方法通過(guò)對(duì)每個(gè)像素或候選連通區(qū)域進(jìn)行特征提取，并用支持向量機(jī)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等對(duì)其進(jìn)行分類，來(lái)判斷是或不是硬性滲出目標(biāo)，Giancardo等人提出一種基于圖像級(jí)別的分類檢測(cè)方法，對(duì)存在滲出和無(wú)滲出的圖像進(jìn)行傳統(tǒng)特征提取，如顏色、面積等，并用支持向量機(jī)對(duì)輸入圖片進(jìn)行分類，但是該方法仍存在硬性滲出檢測(cè)不完全的問(wèn)題。

因此，目前基于計(jì)算機(jī)圖像處理技術(shù)的硬性滲出檢測(cè)方法還存在計(jì)算量較大，檢測(cè)準(zhǔn)確率不高和檢測(cè)不完全的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明的目的在于：提供了一種基于集成學(xué)習(xí)的眼底圖像硬性滲出檢測(cè)方法，解決了現(xiàn)有硬性滲出檢測(cè)方法存在計(jì)算量較大，檢測(cè)準(zhǔn)確率不高和檢測(cè)不完全的問(wèn)題。

本發(fā)明采用的技術(shù)方案如下：

一種基于集成學(xué)習(xí)的眼底圖像硬性滲出檢測(cè)方法，包括以下步驟：

步驟1：輸入眼底圖像，進(jìn)行對(duì)比度增強(qiáng)，得到增強(qiáng)圖像；

步驟2：提取增強(qiáng)圖像的綠色通道，得到綠色通道圖像，再對(duì)其進(jìn)行中值濾波和開(kāi)操作，得到背景估計(jì)圖像；

步驟3：對(duì)背景估計(jì)圖像進(jìn)行形態(tài)學(xué)重建得到形態(tài)學(xué)重建圖像，再用步驟2的綠色通道圖像減去形態(tài)學(xué)重建圖像，得到歸一化背景圖像；

步驟4：對(duì)歸一化背景圖像進(jìn)行動(dòng)態(tài)閾值分割，直到連通域數(shù)目大于設(shè)定的連通域數(shù)目，再去除面積小的連通域得到候選區(qū)域模板圖；