视网膜眼底图像的出血检测方法
专利汇可以提供视网膜眼底图像的出血检测方法专利检索，专利查询，专利分析的服务。并且本 发明 公开一种 视网膜 眼底 图像 的出血检测方法，包括利用彩色数码免散瞳 眼底 照相机 拍摄的眼底图像，上述方法采用以下步骤：(1)对原始图像的大小进行调整；(2)对调整后图像的视场进行 定位 ；(3)基于双尺度背景的出血和血管区域进行粗检测；(4)对血管进行检测；(5)对出血可疑区域进行 迭代 式定位；(6)对出血可疑区域进行特征提取；(7)对出血可疑区域进行分类检测，并生成标记出血的眼底图像。本方法能处理不同采集情况下获取的眼底图像，快速、有效地检测出血区域，处理后的眼底图像出血 位置 直观、明显，方便眼科医生的进一步诊断。，下面是视网膜眼底图像的出血检测方法专利的具体信息内容。
1.一种视网膜眼底图像的出血检测方法，利用彩色数码免散瞳眼底照相机拍摄的眼底图像，其特征在于，所述方法包括以下步骤：
(1)对原始图像的大小进行调整；
(2)对调整后图像的视场进行定位；
(3)基于双尺度背景的出血和血管区域进行粗检测；
(4)对血管进行检测；
(5)对出血可疑区域进行迭代式定位；
(6)对出血可疑区域进行特征提取；
(7)对出血可疑区域进行分类检测，并生成标记出血的眼底图像。
2.根据权利要求1所述的视网膜眼底图像的出血检测方法，其特征在于，在所述步骤(1)中包括以下步骤：
将拍摄的原始眼底图像在保持图像高度和宽度比例不变的情况下进行缩放，缩放的比例计算如下式：
其中，ratio表示缩放的比例，H为原始图像的高度，W为原始图像的宽度，Hlimit＝1152为设定的图像高度，Wlimit＝1500为设定的图像宽度，函数min( )为取两者的较小值，当ratio＜1时表示原始图像需要缩小，当ratio＞1时表示原始图像需要放大。
3.根据权利要求1所述的视网膜眼底图像的出血检测方法，其特征在于，在所述步骤(2)中包括以下步骤：
将调整后图像从RGB空间变换到Lab空间，并选取L通道图像IL进行二值化处理：
其中，ThreshFOV＝3为视场定位的阈值， 为视场的候选区域；
对二值图像 进行形态学腐蚀运算：
其中，morpherode( )表示形态学腐蚀运算，sFOV表示半径为15的圆盘形态结构元素；
对Berode进行形态学空洞填补运算：
BFOV＝morphfill(Berode)
其中，morphfill( )表示形态学空洞填补运算，BFOV表示最终获取的视场区域。
4.根据权利要求3所述的视网膜眼底图像的出血检测方法，其特征在于，所述步骤(3)中包括以下步骤：
a选取调整后图像的G通道分量Ig，并对其进行限制对比度自适应直方图均衡化，得到增强后的图像
b对增强后的图像 进行模板大小为80×80的中值滤波，得到滤波后的图像
Imedfilter；
c将滤波后的图像Imedfilter与增强后的图像 相减，得到眼底图像暗区域的图像
Isub：
d对图像Isub进行模板大小为5×5的均值滤波，得到滤波后的图像
e对均值滤波后的图像 在得到的视场区域BFOV中进行Otsu分割，得到二值图像
f对二值图像 进行形态学开运算：
其中，morphopen表示形态学开运算，sOP表示半径为2的圆盘形态结构元素，Bdark表示在一个背景尺度下获得的出血和血管区域；
g对增强后的图像 进行模板大小为130×130的中值滤波，得到滤波图像后，再重
复步骤c-f得到第二个尺度下的出血和血管区域；将两个尺度下的出血和血管区域二值化图像进行“或”运算，得到双尺度背景下的出血和血管区域Bdual。
5.根据权利要求4所述的视网膜眼底图像的出血检测方法，其特征在于，所述步骤(4)中包括以下步骤：
对增强后的图像 进行高斯平滑滤波，得到滤波后的图像
对滤波后的图像 采用多尺度血管增强滤波方法进行血管增强滤波，得到血管增强后的图像Ivessel；
将图像Ivessel的灰度值调整到0-255范围：
Iscale＝(Ivessel-minV)*255/(maxV-minV)
其中，minV、maxV分别表示Ivessel中的最小、最大值，Iscale表示灰度值调整后的血管增强图像；
对Iscale在视场区域BFOV中进行Otsu分割，得到血管的二值图像Bvessel。
6.根据权利要求5所述的视网膜眼底图像的出血检测方法，其特征在于，所述步骤(5)中包括以下步骤：
利用血管二值图像Bvessel对双尺度背景下的出血和血管区域Bdual进行补全操作，得到补全的二值图像Brecover；
对二值图像Brecover进行血管剔除操作，同时得到出血的二值图像BHEM1和血管的二值图像Bvesseg1；
对血管的二值图像Bvesseg1进行形态学开运算，得到开运算后的图像
其中，morphopen表示形态学开运算，sOP6表示半径为6的圆盘形态结构元素；
对出血的二值图像BHEM1重复血管剔除操作，得到第二次迭代的出血二值图像BHEM2和血管的二值图像Bvesseg2；
对血管的二值图像Bvesseg2进行形态学开运算，得到开运算后的图像
其中，sOP10表示半径为10的圆盘形态结构元素；
对出血二值图像BHEM2重复血管剔除操作，得到第三次迭代的出血二值图像BHEM3和血管的二值图像Bvesseg3；
将三次迭代生成的出血二值图像进行“或”运算，得到最终的出血可疑区域
7.根据权利要求6所述的视网膜眼底图像的出血检测方法，其特征在于，所述补全操作包括以下步骤：
复制双尺度背景下的出血和血管区域Bdual为Brecover，遍历Brecover的每个连通区域Rrecover，如果Brecover的连通区域Rrecover与血管二值图像Bvessel的连通区域Rvessel有重叠，则将二值图像Brecover对应Rvessel位置的数值置为1，否则就不进行操作。
8.根据权利要求6所述的视网膜眼底图像的出血检测方法，其特征在于，所述血管剔除操作包括以下步骤：
对二值图像Brecover的每个连通区域Rrecover分别扫描其在图像位置中每行横向和每列纵向的宽度，将宽度值排列成一个数组，得到其中位数作为该连通区域的宽度估计 同时计算该连通区域的外周长P；如果该连通区域满足 其中Th＝18，则将该连通区域视为血管，否则将该连通区域视为出血可疑区域；利用分类结果，生成出血的二值图像和血管的二值图像。
9.根据权利要求1所述的视网膜眼底图像的出血检测方法，其特征在于，所述步骤(6)中包括提取43个特征的以下步骤：
利用调整后图像的G通道分量Ig进行模板大小为120×120的中值滤波，得到滤波后的图像Iback，将Iback减去Ig得到暗区域图像Ishade，对于每个出血可疑连通区域R，计算得到5个特征：
Ig中区域R灰度值均值，
Ig中区域R灰度值方差，
Ig中区域R灰度值均值与Iback中区域R灰度值均值的比值，
Ig中区域R灰度值均值与Iback中区域R灰度值均值的差值，
Ishade中区域R灰度值均值；
利用图像Ig进行限制对比度自适应直方图均衡化，得到增强后的图像 对
进行模板大小为120×120的中值滤波，得到滤波后的图像 将 减去
得到暗区域图像 再计算得到5个特征：
中区域R灰度值均值，
中区域R灰度值方差，
中区域R灰度值均值与 中区域R灰度值均值的比值，
中区域R灰度值均值与 中区域R灰度值均值的差值，
中区域R灰度值均值；
利用R、G通道图像Ir与图像Ig的比值图像Igr:
计算得到2个特征：
Igr中区域R灰度值的中值，
Igr中区域R灰度值的方差；
将调整后图像从RGB空间变换到HSV空间，并选取H通道图像IH，计算得到2个特征：
IH中区域R灰度值的均值，
IH中区域R灰度值的方差；
对增强图像 进行多尺度血管增强滤波，通过多尺度的Hessian矩阵，得到血管增
强后的图像Ivessel、每个像素点对应Hessian矩阵最小特征值的特征向量的方向信息Idirection、每个像素点对应Hessian矩阵的两个特征值差值的绝对值信息Ieigdif，计算得到5个特征：
Ivessel中区域R灰度值的均值，
Ivessel中区域R灰度值的方差，
Ivessel归一化后区域R灰度值的均值，
Idirection中区域R方向取值的方差，
Ieigdif中区域R强度值的均值；
利用6个不同尺度的DoG算子对Ig进行处理，将处理后的图像中区域R的灰度值均值组成
6个特征；
利用6个不同尺度的DoG算子对 进行处理，将处理后的图像中区域R的灰度值均值
组成6个特征；
利用3个不同尺度的高斯匹配滤波器组对Ig进行处理，分别将处理后的图像中区域R的灰度值均值、归一化图像中区域R的灰度值均值、归一化图像中区域R的灰度值方差组成9个特征；
利用一个尺度的高斯匹配滤波器组对 进行处理，分别将处理后的图像中区域R的
灰度值均值、归一化图像中区域R的灰度值均值、归一化图像中区域R的灰度值方差组成3个特征。
10.根据权利要求9所述的视网膜眼底图像的出血检测方法，其特征在于，所述“利用6个不同尺度的DoG算子对Ig进行处理”和“利用6个不同尺度的DoG算子对 进行处理”的步骤中6个不同尺度DoG算子是指采用了(1,0.5)、(2,1)、(4,2)、(8,4)、(16,8)、(32,16)这6个尺度对的DoG算子。
11.根据权利要求9所述的视网膜眼底图像的出血检测方法，其特征在于，所述“利用3个不同尺度的高斯匹配滤波器组对Ig进行处理”和“利用一个尺度的高斯匹配滤波器组对进行处理”的步骤中的高斯匹配滤波器组是指如下用于血管检测的二维匹配滤波器：
其中，θ为滤波器旋转的角度，一组滤波器分别选择{0°，15°，30°，45°，60°，75°，90°，
105°，120°，135°，150°，165°}12个角度，σ为匹配血管宽度的高斯核的尺度大小，L为匹配血管长度的滤波器长度大小；处理后的图像Iresponse由每个像素点对于一组滤波器的最大响应值组成：
其中，Iinput表示输入图像，(x,y)表示像素点的位置，*表示卷积运算。
12.根据权利要求9所述的视网膜眼底图像的出血检测方法，其特征在于，所述“利用3个不同尺度的高斯匹配滤波器组对Ig进行处理”的步骤中高斯匹配滤波器组采用的3个尺度分别为(σ＝4，L＝18)、(σ＝4,L＝25)、(σ＝6，L＝18)；所述“利用一个尺度的高斯匹配滤波器组对 进行处理”的步骤中高斯匹配滤波器组采用的尺度为(σ＝4，L＝18)。
13.根据权利要求1所述的视网膜眼底图像的出血检测方法，其特征在于，在所述步骤(7)中包括以下步骤：
利用步骤(6)得到的43维特征训练支持向量机(SVM)，利用训练得到的SVM分类器，对步骤(5)中得到的出血可疑区域进行出血和非出血分类，保留分类为出血的区域，生成标记了出血边界的RGB图像。
视网膜眼底图像的出血检测方法
技术领域
背景技术
15×15大小的图像块，通过2DPCA提取典型出血的20维特征用于SVM的训练和分类，该方法适用于定位出血的位置，但由于出血的大小形状都不确定，固定大小的patch无法识别大区域的出血。
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种便携式岩心照相仪 | 2020-05-08 | 644 |
| 硬度测试设备和硬度测试方法 | 2020-05-08 | 811 |
| 机器人系统 | 2020-05-11 | 74 |
| 光模块、电子设备、食物分析装置以及分光照相机 | 2020-05-11 | 327 |
| 固态成像器件、图像数据传输方法以及照相机系统 | 2020-05-08 | 988 |
| 视网膜连拍成像期间的动态照明 | 2020-05-08 | 856 |
| 用于自适应输入映射的系统和方法 | 2020-05-08 | 780 |
| 一种可水平移动的三维采集装置 | 2020-05-11 | 279 |
| 用于轨距尺修正的温补测试装置 | 2020-05-08 | 492 |
| 一种脚踩控制式摄影升降支架 | 2020-05-08 | 737 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
