[发明专利]一种眼底彩色照相图像出血自动化识别方法

说明书

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。

技术领域

本发明属于图像处理领域，具体涉及的是一种视网膜眼底图像的出血检测方 法。

背景技术

糖尿病视网膜病变(Diabetic Retinopathy)是一种广泛存在于糖尿病病人中 的眼科疾病，它会对病人视力产生影响，严重的会导致糖尿病患者的失明。因 此尽早地发现、治疗视网膜病变就可以最大程度地减少视力的损失。视网膜内 出血是糖尿病视网膜病变早期可见的标志之一。由于视网膜内的微动脉瘤 (Microaneurysms)破裂从而导致视网膜内出血(Hemorrhages)，它是病变分 期和诊断的重要依据。在视网膜眼底图像中，微动脉瘤表现为暗红的圆点区域， 而出血表现为大块的暗红区域，和血管的颜色相近，其形状不规则、边界不清 晰。通过图像处理技术增强出血的特征，帮助医生进行准确地诊断是本领域亟 待解决的重要问题。

目前视网膜内出血的检测主要可以分成两类：1)基于形态学操作和区域生 长的方法，2)基于像素点分类的方法。基于形态学操作和区域生长的方法中具 有代表性的是Fleming等人在2008年提出的多尺度形态学方法检测出血。这种 方法通过多尺度降采样图像进行线性形态学开运算检测出血候选区域，再利用 区域增长方法对出血候选区域进行分割，通过设计多个特征训练SVM进行最后 的分类。此方法依赖于血管的分段线性假设，对于弯曲处出血的检测效果不佳。 基于像素点分类的方法有代表性的是Zhang Xiaohui等人在2005年提出的基于 2DPCA提取patch图像特征进行SVM分类的方法，此方法将眼底图像分成 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

本发明针对大规模眼底图像筛查情景中眼底图像光照不均匀、对比度变化范围大以及激光治疗前后视网膜内结构变化等引起的图像质量问题，提出一种 视网膜眼底图像的出血检测方法，使眼底图像的出血区域更加明显，方便医生 更加准确地诊断眼底病变从而提供可靠的治疗方案。

本发明提供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，上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。

本发明中，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：