[發明專利]一種基于三角匹配的快速視網膜身份識別方法

在審

• 申請號: 202010841359.7
• 申請日: 2020-08-20
• 公開（公告）號: CN112016421A
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 戴超;盛斌;賀加原
• 申請（專利權）人: 上海志唐健康科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/38;G06K9/46;G06K9/62;G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于三角匹配的快速視網膜身份識別方法，其特征在于，該方法包括以下步驟：

a)在預處理階段對原始彩色視網膜圖像的預處理技術以提取出視網膜的血管結構，其中預處理技術主要包含血管提取與二值化、細化及降噪等步驟；

b)對a)中預處理完的視網膜血管結構提取分岔點特征用于視網膜識別過程中的匹配特征；

c)應用本發明的基于規格化變換參數統計方法的視網膜特征匹配算法，得出匹配結果。

2.根據權利要求1所述的方法，視網膜血管提取其特征在于，該方法還包括：

本發明首先提取原始圖像的綠色通道，針對提取后的圖片設定一個閾值，該閾值能夠去除圖像中黑色背景；將上一步得到的圖像作為有效區域分割的掩膜圖像，掩膜圖像分割原始圖像得到血管所在的有效區域；針對血管所在有效區域，進行二維高斯濾波，提高信噪比；采取自適應直方均值化和同態濾波處理圖像，主要為了消除拍攝時光照不均勻引起的光斑和亮點造成的影響，最后使用一維高斯濾波核進行匹配濾波,將一個方向的血管信息提取出來；將濾波核的方向旋轉12次，每次15°，提取到全部的血管特征。

3.根據權利要求1所述的方法，對視網膜血管二值圖進行細化其特征在于，該方法還包括：

本發明使用哈希表存儲所有前景點，在每次循環中直接遍歷哈希表中的點，而非遍歷所有像素點，并且當某些前景點被刪去時，也能很方便地對存儲前景點的哈希表進行維護，在循環過程中，用專門的一個數組存儲所有值變為-1的點，在每次循環結束時，將數組中的點置為0，在對像素點判定時，將需要更復雜計算的判定條件置后。

4.根據權利要求3所述的方法，本發明采用一種卷積降噪方法提高二值圖信噪比，其特征在于，該方法還包括：

細化提取過程得到的結果中有大量噪點和短斷線，為避免噪點對血管特征提取的干擾，使用逐像素進行3×3卷積的方法，如果在中心點周圍的8鄰域內沒有其他像素，則將該點濾除，濾除結束后對所有的末端點進行遍歷尋找與其連通的最近分叉點/末端點，如果找到的是末端點，則視為一條斷線，將連接這兩個點的通路上包括這兩點在內的所有點都刪除；如果找到的是分叉點，且距離在某個閾值以內，則視為一個毛刺，將連接這兩個點的通路上包括末端點在內所有點刪除，通過降噪處理，圖像中的關鍵信息得以保留，為后續處理提供諸多方便。

5.根據權利要求1所述的方法，其特征在于，該方法還包括：

本發明對預處理完的視網膜圖像提取分岔點特征用于視網膜識別，一個輸入圖像的環形統計分叉點數目特征值為一個向量，向量長度為環形的數量，向量中的值為相應每個環中分岔點的數目，在這個過程中，需要規定的超參數包括環形的數目，以及環與環間的距離(固定值)，使所有的環形都以實盤中心為圓心展開，并統計每個環之間的分岔點數目，最終生成特征向量。

6.根據權利要求1所述的方法，其特征在于，該方法還包括：

本發明提取視盤部分流程：首先對原圖的綠色通道進行提取，獲取灰度圖像，之后對圖像進行濾波降噪，自適應直方均值化增強對比度，再設置閾值對圖像進行二值化，提取到圖像高對比度的血管和視盤，最后使用腐蝕操作去掉血管，僅保留視盤，對剩余視盤區域的中心進行提取，獲得其位置。

7.根據權利要求1所述的方法，其特征在于，該方法還包括：

本發明提出基于規格化變換參數統計方法的視網膜特征三角匹配算法，得出匹配結果：利用模板基線向量建立一個模板三角形，然后在待匹配圖像中匹配相似三角形并計算其基線變換參數，相似三角形匹配結束后，可以獲得一組變換參數，再對這一組變換參數進行離散化，具體離散化流程包括：首先建立一個一定大小尺度的矩陣，然后將變換參數的兩個值線性映射到矩陣中的某個坐標位置，此處將會進行離散取整化，最后在矩陣對應的坐標位置加一，將一組變換參數完全統計完成后，對模板基線向量生成新的模板三角形，進行相似三角形匹配以及基線變換參數的規格化統計，不斷增加統計矩陣每個位置的權值，最后在匹配完成所有模板基線向量能構成的合法模板三角形后，統計變換參數矩陣的最大值，如果此時變換參數矩陣的最大值非常接近模板基線向量合法模板三角形個數，就說明通過最大值所在位置的變換參數，對模板基線向量進行變換獲得的另一個模板基線向量，每次都能構成模板基線向量所在模板三角形的相似三角形，一組模板基線向量構成了匹配關系，基于上述思想，本發明設定了圖像匹配成功所需的最少基線匹配成功數，以及圖像匹配失敗所限制的最大基線匹配失敗數，每次從模板圖像中選定一個基線向量，并利用上述規格化變換參數統計，計算是否有另外的模板向量與其可以匹配成功，抑或匹配失敗，當成功數或者失敗數達到閾值，將給出圖像匹配的結果，匹配或者不匹配。