[發(fā)明專利]一種基于機(jī)器視覺的視網(wǎng)膜OCT圖像中液體區(qū)域自動(dòng)分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110670522.2
• 申請(qǐng)日: 2021-06-16
• 公開（公告）號(hào): CN113627231A
• 公開（公告）日: 2021-11-09
• 發(fā)明（設(shè)計(jì)）人: 程丹;沈麗君;陳亦棋;沈梅曉
• 申請(qǐng)（專利權(quán)）人: 溫州醫(yī)科大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06K9/62
• 代理公司: 溫州金甌專利事務(wù)所(普通合伙) 33237
• 代理人: 王宏雷

1.一種基于機(jī)器視覺的視網(wǎng)膜OCT圖像中液體區(qū)域自動(dòng)分割方法，其特征在于，包括訓(xùn)練階段和預(yù)測(cè)階段，

所述的訓(xùn)練階段包括：

二值化找出視網(wǎng)膜OCT區(qū)域；

塊采樣及建立樣本數(shù)據(jù)庫(kù)：將視網(wǎng)膜OCT區(qū)域的圖像分成固定大小的區(qū)域，人工區(qū)分出含液體和不含液體區(qū)域，對(duì)含液體區(qū)域的樣本，可以進(jìn)行樣本擴(kuò)充，使得樣本形態(tài)更加全面；

用積分圖法求Harr特征：Haar特征值反映了圖像的灰度變化情況，Haar特征分為三類：邊緣特征、線性特征、中心特征和對(duì)角線特征，組合成特征模板，積分圖構(gòu)建算法具體為：

用s(i，j)表示行方向的累加和，初始化s(i，-1)＝0；

用n(i，j)表示一個(gè)積分圖像，初始化ii(-1，j)＝0；

逐行掃描圖像，遞歸計(jì)算每個(gè)像素(i，j)行方向的累加和s(i，j)和積分圖像ii(i，j)的值：

s(i，j)＝s(i，-1)+f(i，j)；

ii(i，j)＝ii(-1，j)+s(i，j)；

掃描圖像一遍，當(dāng)?shù)竭_(dá)圖像右下角像素時(shí)，積分圖像ii就構(gòu)造好了；

利用Adaboost學(xué)習(xí)算法訓(xùn)練分類器：分開訓(xùn)練模型，每一輪訓(xùn)練一個(gè)新的模型，在每一輪的結(jié)束，錯(cuò)分的樣本會(huì)被標(biāo)定并且增加其在下一輪新的訓(xùn)練集中的權(quán)重，然后進(jìn)行下一輪學(xué)習(xí)得到一個(gè)新的模型，基于后來的模型可以對(duì)前面模型的錯(cuò)誤進(jìn)行補(bǔ)償，通過不斷的迭代增加新模型來實(shí)現(xiàn)集成，每一次學(xué)到一個(gè)模型，確保它的分類精度大于0.5，利用Harr特征能夠很好的表示圖像的紋理特征，再利用Adaboost學(xué)習(xí)算法將Harr特征進(jìn)行訓(xùn)練，生成多級(jí)弱分類器，然后級(jí)聯(lián)成一個(gè)強(qiáng)分類器，也可以根據(jù)需要再將強(qiáng)分類器級(jí)聯(lián)構(gòu)造成更強(qiáng)的分類器，用于檢測(cè)液體所在區(qū)域；

所述的預(yù)測(cè)階段包括：

找到液體所在的區(qū)域：利用積分圖法求得Harr特征，然后利用已經(jīng)訓(xùn)練好的參數(shù)對(duì)圖像進(jìn)行分類，找到液體所在的區(qū)域；

運(yùn)用kmean算法進(jìn)行分割：通過迭代尋找K個(gè)聚類中心，將所有的數(shù)據(jù)分配到距離最近的聚類中心，使得每個(gè)點(diǎn)與其相應(yīng)的聚類中心距離的平方和最小；

輸出液體邊界及面積。

2.根據(jù)權(quán)利要求1所述的一種基于機(jī)器視覺的視網(wǎng)膜OCT圖像中液體區(qū)域自動(dòng)分割方法，其特征在于，所述的自動(dòng)分割方法中還包括對(duì)采集的圖像進(jìn)行去噪處理。

3.根據(jù)權(quán)利要求2所述的一種基于機(jī)器視覺的視網(wǎng)膜OCT圖像中液體區(qū)域自動(dòng)分割方法，其特征在于，所述的去噪處理采用高斯去噪：

其中(x，y)代表到所計(jì)算的中心像素點(diǎn)的坐標(biāo)位置，σ是標(biāo)準(zhǔn)差。

4.根據(jù)權(quán)利要求1所述的一種基于機(jī)器視覺的視網(wǎng)膜OCT圖像中液體區(qū)域自動(dòng)分割方法，其特征在于，所述的二值化找出視網(wǎng)膜OCT區(qū)域的具體步驟為：二值化閾值＝灰度均值-α*灰度標(biāo)準(zhǔn)差，其中系數(shù)α為經(jīng)驗(yàn)值，通過改變?chǔ)林担瑏泶_定二值化閾值，根據(jù)灰度標(biāo)準(zhǔn)差、灰度最大、最小值來增加邊界條件，來保證二值化閾值沒有越界，或者限定α*灰度標(biāo)準(zhǔn)差的大小。