专利汇可以提供一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种基于Frangi增强和注意 力 机制UNet的 眼底 图像 血管分割方法,首先,对输入图像提取绿色分量,并利用 对比度 受限直方图均衡化方法在提取绿色分量后的 基础 上进行对比度调整;计算出调整对比度后的图像中每个 像素 点的Hessian矩阵;利用Hessian矩阵的特征值,在尺度因子为的条件下构造Frangi血管相似性函数,并得到最大响应;将输入图像的每个像素点的RGB三个同道的像素值分别减去最大响应值与增强因子factor的乘积;然后,将经过frangi增强的图像进行灰度变换,将每个像素值进行零均值归一化操作到[0,1]之间。最后,将得到的训练图像 块 和标签图像块输入到注意力机制UNet网络中,进行训练。并通过测试获得分割结果。本发明,提高了模型的泛化能力。,下面是一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法专利的具体信息内容。
1.一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法,其特征在于:包括以下步骤:
步骤S1:提供RGB眼底图像作为输入图像,对所述输入图像提取绿色分量,并利用对比度受限直方图均衡化方法在提取绿色分量后的图像上进行对比度调整;
步骤S2:计算出步骤S1调整对比度后的图像中每个像素点的Hessian矩阵,得到Hessian矩阵的特征值;
步骤S3:利用Hessian矩阵的特征值,在尺度因子为σ的条件下构造Frangi血管相似性函数,并得到最大响应;
步骤S4:将步骤S1中的输入图像的每个像素点的RGB三个通道的像素值分别减去最大响应值与增强因子factor的乘积,用以获得最终的血管增强并得到经过frangi增强的图像;
步骤S5:将经过Frangi增强的图像进行灰度变换,将每个像素值进行零均值归一化操作到[0,1]之间;训练时,采用一个48×48大小的采样框随机选择中心,对归一化后的图像进行重采样,每次采样生成一个训练图像块,共生成1万个训练图像块;将训练图像的标签进行与训练图像块相同的重采样分块操作,获得标签图像块;测试时,如果测试图像长宽不是48的整数倍,则将其扩充成48的整数倍,扩充部分的像素值为0,并将测试图像平均分成多个48x48的测试图像块;
步骤S6:将步骤S5中得到的训练图像块和标签图像块输入到带有注意力模型的注意力机制UNet网络中,进行训练;测试时,将步骤S5中得到的测试图像块输入到带有注意力模型的注意力机制UNet网络中进行像素点预测,网络输出即是测试图像块的分割结果;随后将所有预测后的测试图像块进行重新拼接成测试图像,并删除其中扩充的像素,即得到了测试图像的最终分割结果。
2.根据权利要求1所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法,其特征在于:所述步骤S1提取绿色通道的计算公式如下:
I=a*IR+b*IG+c*IB
其中I表示输入图像,IR、IG、IB分别代表I的三个通道值,a、b、c代表各个通道的权重,其值a=0,c=0,b=1。
3.根据权利要求1所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法,其特征在于:所述步骤S2的具体内容为:
令步骤S1调整对比度后的图像中的一点为P(x,y),则该点的Hessian矩阵的表达式为:
其中,fxx、fxy、fyx和fyy分别表示该像素点P的四个高斯二阶偏导数;令矩阵H的两个特征值为λ1,λ2,且|λ1|<|λ2|则特征值计算如下:
式中
4.根据权利要求1所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法,其特征在于:所述步骤S3中所述Frangi血管相似性函数为:
上式中, ||H||F表示矩阵的范数;C为矩阵最大范数的一半;当尺度
因子σ与血管宽度相近时,血管相似性函数获得最大响应。
5.根据权利要求3所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法,其特征在于:所述获得最大响应的具体内容为:通过调整σ的大小,使σ接近血管宽度时能够获得最大响应;将σ限制在[σmin,σmax]之间,均分为N个不同尺度,σ逐级增大,求出每个σ下的每个像素点的输出响应,最后用最大值法求出最大响应,如下公式:
v(p)为P点处的血管相似性函数最大输出响应。
6.根据权利要求1所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法,其特征在于:所述步骤S4中获得最终的血管增强的具体公式为:
上式中,lR,G,B为原图每个像素点的RGB三个通道值;L为增强后的像素值,factor为增强因子。
7.根据权利要求1所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法,其特征在于:所述步骤S5中零均值归一化公式如下:
其中,u和σ分别为数据的平均值与标准差;z为归一化后图像;x为灰度变换后的像素。
8.根据权利要求1所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法,其特征在于:步骤S6中所述UNet网络包含4层编码层和4层解码层;编码层每一层主要由两个3*3的卷积层,一个BN层以及一个步数为2的2*2的池化层组成;在进行完每一个卷积操作之后,通过Relu函数进行激活,最后进行池化操作;解码层的每一层与收缩网络层次相对应,每一层扩张网络由两个3*3的卷积层,一个BN层以及一个步数为2的2*2的池化层组成,在进行每一层进行卷积之前,需要进行一次跳跃连接操作,除第一层外将来自编码层的特征与来自解码层特征传入注意力模型,并将将注意力模型的输出与解码层的特征采用特征层拼接方法进行拼接融合;最后,网络的输出通过一个1×1大小的sigmiod函数进行分类。
9.根据权利要求6所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法,其特征在于:步骤S6中所述注意力模型的输入分别是门控信号矢量g和特征图 为获得输出,定义像素点i的门控系数为 通过生成一个注意系数α∈[0,1]重新调整输入特征 的大小,即 和α,具体公式:
式中, 为sigmoid激活函数,Wx、Wg、bg和 为线性变换参数;门控信号
g和输入特征图 分别卷积后逐点相加;之后,经过非线性变换函数relu、1×1×1的卷积sigmoid函数以及上采样获得每个像素点的注意力系数。
方法
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
多任务的眼底图像分类方法和设备 | 2020-05-16 | 854 |
眼底图像血管分割方法 | 2020-05-12 | 85 |
一种图像引导式眼底相机 | 2020-05-17 | 207 |
眼底图像获取方法和装置、眼底相机 | 2020-05-11 | 301 |
眼底图像处理装置以及眼底图像处理方法 | 2020-05-14 | 45 |
眼底图像绘制装置 | 2020-05-13 | 408 |
眼底图像的采集装置 | 2020-05-13 | 121 |
眼底图像血管影像分割方法及设备 | 2020-05-16 | 43 |
一种眼底图像质量评价方法 | 2020-05-17 | 741 |
眼底图像捕获 | 2020-05-11 | 59 |
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。