[發(fā)明專利]基于機(jī)器學(xué)習(xí)雙區(qū)域輪廓演化模型的視盤和視杯分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110772630.0
• 申請(qǐng)日: 2021-07-08
• 公開（公告）號(hào): CN113362346B
• 公開（公告）日: 2023-08-11
• 發(fā)明（設(shè)計(jì)）人: 方玲玲;張麗榕
• 申請(qǐng)（專利權(quán)）人: 遼寧師范大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/155;G06T7/181
• 代理公司: 大連非凡專利事務(wù)所 21220
• 代理人: 閃紅霞

1.一種基于機(jī)器學(xué)習(xí)雙區(qū)域輪廓演化模型的視盤和視杯分割方法，其特征在于依次按照如下步驟進(jìn)行：

步驟1：對(duì)視網(wǎng)膜圖像進(jìn)行預(yù)處理

步驟1.1按照公式(1)提取視網(wǎng)膜圖像亮度通道L，

式中，max和min分別為通道R、G和B的最大值和最小值；

步驟1.2：在亮度通道L上進(jìn)行形態(tài)學(xué)處理；

步驟1.3：按照公式(2)的高斯核卷積算法對(duì)視網(wǎng)膜圖像亮度通道L進(jìn)行處理：

式中：

所述ρ是寬度參數(shù)，x和y分別是圖像中像素點(diǎn)的水平坐標(biāo)和垂直坐標(biāo)，Λ(x,y)是經(jīng)過形態(tài)處理的圖像矩陣；n*n是高斯核函數(shù)的窗口大小；

步驟2：構(gòu)造基于機(jī)器學(xué)習(xí)的邊緣引導(dǎo)模型

步驟2.1：通過手動(dòng)標(biāo)記圖像中視盤和視杯中的任意位置，建立參考區(qū)域；

步驟2.2：將參考區(qū)域定義為訓(xùn)練樣本或標(biāo)簽，構(gòu)造機(jī)器學(xué)習(xí)訓(xùn)練模型得到概率矩陣ω；

步驟2.3：通過概率矩陣ω得到視盤和視杯的近似區(qū)域，并按照公式(4)計(jì)算對(duì)應(yīng)的概率值：

式中τ代表disc或cup；K_τ表示視盤或視杯的區(qū)域，K_total表示整幅圖像的區(qū)域；i，j為所對(duì)應(yīng)圖像區(qū)域的索引值；

步驟2.4：根據(jù)概率值構(gòu)造模糊決策向量μ如公式(5)所示：

步驟2.5：獲得基于模糊決策向量θ_τ∈[0,1]的邊緣引導(dǎo)模型如公式(6)所示：

步驟3：構(gòu)造分割視盤和視杯的雙區(qū)域活動(dòng)輪廓能量函數(shù)

步驟3.1：根據(jù)視盤和視杯的參考區(qū)域建立視盤或視杯的初始輪廓，在初始輪廓所限定的區(qū)域內(nèi)分別提取了視盤和視杯的強(qiáng)度、區(qū)域以及邊緣三種特征；

步驟3.2:構(gòu)建視盤或視杯的演化曲線如公式(7)所示：

其中是視盤或視杯的水平集函數(shù)，σ是人為設(shè)定的時(shí)間變量；

步驟3.3：根據(jù)提取的視盤或視杯的強(qiáng)度、區(qū)域和邊緣特征，得到相應(yīng)的能量函數(shù)的定義如下：

其中ξ_p是通過勢(shì)函數(shù)ξ_p(κ)＝p'(κ)/κ導(dǎo)出；δ_ε是近似的狄拉克函數(shù)；α,β,λ是常數(shù)；

步驟4.用得到的邊緣引導(dǎo)模型θ_τ(μ)和能量函數(shù)E_τ進(jìn)行演化曲線的控制，得到雙區(qū)域活動(dòng)輪廓演化模型如公式(9)所示：

F_τ＝θ_τ(μ)E_τ???????????????????????????(9)

通過雙區(qū)域活動(dòng)輪廓演化模型F_τ的推動(dòng)，雙區(qū)域輪廓開始演化，直至F_τ＝0時(shí)，演化停止，得到視盤和視杯區(qū)域。