[發明專利]一種基于分類框架的圖像二值化方法

在審

• 申請號: 202111359981.5
• 申請日: 2021-11-17
• 公開（公告）號: CN114066850A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 馬飛;程榮花;孟靜;王升波;趙景秀;張元科;李穎;張雪婷
• 申請（專利權）人: 曲阜師范大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06T5/30;G06N3/04;G06K9/62;G06V10/25;G06V10/774;G06V10/764;G06V10/82
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 李桂存

本發明屬于計算機圖像處理技術領域，公開了一種基于分類框架的光學相干層析掃描眼睛圖像二值化方法及系統，首先對少量光學相干層析掃描眼睛樣本圖像進行指定單純小區域劃分并標注感興趣區域和背景兩類，然后利用Gabor模板提取每一個目標區域的特征并拼接為一個特征向量，對提取的特征進行降維并學習特征向量映射子空間；引入支持向量機學習分類器模型；對分類結果圖像采用算法處理；最后得到二值化圖像。本發明的優點在于解決了小樣本二值化問題以及提出了基于指定N?鄰域目標區域分類框架的光學相干層析掃描眼睛圖像二值化方法，可以充分利用小樣本訓練支持向量機分類模型，并能夠學習得到圖像樣本的自適應的二值化閾值。

技術領域

本發明屬于計算機圖像處理技術領域，尤其涉及一種基于分類框架的圖像二值化方法。

背景技術

二值化是光學相干層析成像(OCT)圖像分析中的一項基本任務，它已廣泛應用于面積的簡單量化和更復雜的血管分析。近年來，大量研究集中于視網膜血管和脈絡膜毛細血管八角圖像的定量分析。OCT能夠以微米分辨率獲得活體組織的圖像，已成功應用于醫學診斷，如診斷性眼科和其他人體內臟。OCT是一種非侵入性成像技術。

機器學習方法在生物醫學圖像處理中得到了長足的發展。這些方法已廣泛應用于生物醫學圖像重建、圖像去噪和疾病分類。二值化方法可分為全局閾值和局部閾值兩類。

1)基于全局閾值的方法簡單有效，適用于差異較大的像素點，包括大津法(Otsu)和迭代二值化等方法；2)基于局部閾值方法可以獲得樣本子圖像的最佳閾值，包括Niblack和k-means等方法。

全局閾值方法，如Otsu，是一種有效的二值化閾值圖像的方法，但不適用于光照對比度較低以及光照不均勻的圖像。當圖像的對比度很低時，將很難直接區分目標和背景區域，該類方法二值化效果較差。

對于低強度、光照不均勻以及復雜場景的圖像處理需要有效的二值化閾值方法。

綜上所述，現有技術存在的問題如下：

1)直接將現有的方法，全局閾值二值化和局部閾值二值化方法直接應用于低對比的OCT眼睛圖像中，獲得的二值化效果不理想。

2)上述二值化方法不能對大量樣本特征訓練學習有效的參數，不能獲得有效的自適應閾值。

3)現有技術沒有對OCT眼睛圖像采用指定區域的方法來提取特征。

解決上述算法問題的難度：

本發明需要對低對比度下的OCT眼睛圖像分割出器官和背景區域，圖像中存在器官區域和背景區域對比度很低的問題。

需要提取器官區域和背景區域的有效特征，以區分兩個類別。

需要學習較好的模型，來判別器官區域和背景區域。

解決上述算法問題的意義：

在計算機圖像處理領域，二值化技術是數字圖像處理中重要的一個步驟，可以將圖像中感興趣區域分割出來。然而對于感興趣區域和背景區域對比度很低的小樣本場景，現有的二值化方法不能取得理想的效果。基于指定小區域劃分的方法能夠從少量樣本中提取較多的特征。基于支持向量機的分類框架能夠根據提取的特征來訓練模型中的參數，并能夠獲得待測圖像中各區域的自適應的閾值。

發明內容

針對現有算法存在的問題，本發明提出了一種基于分類框架的圖像二值化方法，該方法可以克服圖像中對比度受限的問題，并能夠利用小樣本學習分類模型。主成分分析方法可以學習特征向量子空間，它可以獲得每個小區域的有效特征。支持向量機模型可以學習到一個有效的分類器，可以自適應地獲得任意區域的閾值。

本發明是這樣實現的，一種基于分類框架的圖像二值化方法，包含如下步驟: