[發明專利]基于U-net網絡的多通道視網膜血管圖像分割方法

在審

• 申請號: 202011526420.5
• 申請日: 2020-12-22
• 公開（公告）號: CN112465842A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 馬玉良;祝真濱;李雪;席旭剛;張衛
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/155;G06T5/00;G06T5/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.基于U-net網絡的多通道視網膜血管圖像分割方法，其特征在于包括如下步驟：

步驟1、對訓練集圖像進行數據量擴增；

步驟2、對彩色圖像進行圖像的預處理操作；

步驟3、構建通道1，對圖像進行形態學閉操作用以消除背景噪聲；

步驟4、構建通道2，使用大尺度匹配濾波方法和改進的黑帽變換算法處理圖像；

步驟5、構建通道3，使用小尺度匹配濾波方法和改進的黑帽變換算法處理圖像；

所述的改進的黑帽變換算法具體為：

B_hat(I)＝(I(x，y)·b(u，v))-I(x，y)

F(x，y)＝255-I(x，y)-2*B_hat(I)

式中·為形態學閉操作；B_hat(f)為黑帽變換；I(x，y)為步驟2處理后的圖；F(x，y)為最終處理圖像，b(u，v)表示濾波器模板；

步驟6、將三個通道的圖像輸入改進的U-net網絡進行訓練，得到所需的分割網絡；

所述的步驟6中，構建的U-net網絡結構如下表所示：

表1：U-net網絡結構

在U-net神經網絡的訓練中，采用新的加權損失函數，表達式如下：

Loss＝L_dice+λL_r

L_r為交叉熵函數，表達式如下：

其中TP和TN分別是真陽性和真陰性像素的個數；N_p和N_n分別是分割像素和非分割像素的個數；y是標簽值，其中y＝1表示分割目標，y＝0表示背景；p是像素的預測概率值；

L_dice為Dice系數表達式，如下：

其中N是像素的數量值；p(k，i)∈[0，1]，q(k，i)∈[0，1]分別是像素點k類的預測概率和真實標簽；

U-net神經網絡在輸出層上采用區域自適應閾值分割算法進行最終二值化處理，表達式如下：

式中b為參數值；(2ω+1)×(2δ+1)為窗口區域面積；T為該區域的閾值；G(x，y)為區域像素點；

步驟7、融合三個通道的輸出分割圖，經過后處理后得到最終分割結果。

2.根據權利要求1所述的基于U-net網絡的多通道視網膜血管圖像分割方法，其特征在于：

所述的步驟3中，用于消除背景噪聲的一系列操作算法表達式為：

其中，g(x，y)為中間變量，f(x，y)為處理后的圖像；I_close(x，y)為進行形態學閉操作后的圖像；I(x，y)為步驟2處理后的圖；m，n為圖像像素尺寸。

3.根據權力要求1所述的基于U-net網絡的多通道視網膜血管圖像分割方法，其特征在于：步驟1對訓練集圖像進行數據量擴增；擴增方式為對圖像進行水平翻轉、垂直翻轉和多角度度旋轉。

4.根據權力要求1所述的基于U-net網絡的多通道視網膜血管圖像分割方法，其特征在于：步驟4、5中的匹配濾波算法表達式如下：

定義二維高斯核函數為：

其中s是高斯核的寬度，l為高斯核的長度，旋轉高斯核用以對多方向血管進行濾波；p(x，y)為核函數中的一個像素點，旋轉矩陣為：

θ_i為第i個核函數的角度，0≤θ_i≤p，p為設定的角度值，p(x，y)旋轉后的坐標值為則第i個濾波器核函數為：

其中N為模板鄰域，取值范圍為：N＝{(u，v)，|u|≤3s，|v|≤l/2}；

在實際的算法運用中，常常需要考慮模板濾波器的相關系數均值，如式所示：

其中，A表示模板領域內像素點的數量，m_i表示第i個濾波器模板中系數的平均值；因此最終模板核函數如式：

。