[发明专利]基于分叉点特征配准方法

权利要求书

1.一种基于分叉点特征配准方法，具体步骤如下：

步骤1，获取绿色通道，并提取血管中心线：使用基于梯度散度的血管中心线提取技术，提取出眼底图像中的血管树；获得的血管树使用bwmorph函数中的brigde、fill、skel、spur形态学处理类型对得到的血管中心线图操作，连接断裂的血管，在对孔洞进行填充后得到血管树的骨骼图并对其去骨刺；对得到的图像使用bwmorph函数中的brigde形态学处理来连接间断点；随后使用skel形态学处理获取血管轮廓图；由于血管轮廓图存在骨刺，使用spur形态学处理移除骨刺，fill填充孤立的内部孔洞，所述梯度散度的血管中心线提取技术采用视网膜图像散度分割血管中心线，血管中心线由以下公式计算得出：

其中，t是用于分割中心线的阈值，该阈值由实验获得；N_I(x，y)是邻近像素I(x，y)的散度总和，N_I(x，y)由以下公式计算得出：

其中，S_i每个像素的散度值，n是邻近的像素数量；

每个像素的散度值均是由以下公式计算得出：

其中，P是在水平方向上的归一化梯度值，Q是垂直方向上的归一化梯度值，假设梯度F′是(P′，Q′)，P′是水平方向上的梯度值，Q′是垂直方向上的梯度值，归一化梯度值F是(P，Q)，其中P和Q由以下公式计算得出：

步骤2：使用八邻域查表法提取眼底血管树特征点，删除错误的特征点后得到正确的分叉点对应的Harris角点坐标；具体步骤如下：

步骤21，采用八邻域查表法检测眼底图像的分叉点，记录位置并保留在分叉点位置矩阵中；

步骤22，利用模板对八邻域得到的血管分叉点进行检测去除伪交叉点，将模板与分叉点及其周围像素相乘；

步骤23，判断相乘结果，若得到的最终结果大于2，则该点为分叉点，否则为伪分叉点，将其从分叉点矩阵中删除；

步骤24，使用模板对血管骨骼进行膨胀后使用Harris角点检测，检测出八邻域得出的分叉点对应的角点，利用该角点位置进行特征向量的提取与匹配；

步骤3：使用改进的特征描述算法，对得到的分叉点进行特征提取，得到对应的分叉角度与血管长度，形成特征向量；具体步骤如下：

步骤31，采用边长逐渐增大的正方形模板对血管分叉点周围血管的长度以及角度进行采样，由细到粗；

步骤32，提取出每个与正方形模相交的点，计算出其到特征点的距离与角度，将其记录到特征矩阵对应的位置中；

步骤33，取每个正方形边中的长度最大值与其对应的角度作为特征向量中的元素，以下公式为特征点的特征向量的描述：

V＝[lengths，angles]

lengths＝|l₁，l₂，l₃，...，l_n] n＝1，2，3，...，16

angles＝[θ₁，θ₂，θ₃，...，θ_n] n＝1，2，3，...，16

其中，lengths表示血管的长度，angles表示血管分叉点的角度；

步骤4：使用向量之间的欧氏距离得出最终用于匹配的特征点对，使用随机抽样一致算法得出参照图像对于原图的变换矩阵，并对配准后的结果图像进行基础修改，得到配准精确的眼底图像；所述随机抽样一致算法得出参照图像对于原图的变换矩阵具体步骤如下：

随机选择准确配准对点集中的一组子集作为样本来计算变换矩阵，将待匹配图像中的特征点与变换矩阵进行运算，获得与待匹配点的距离，若两点之间的距离小于阈值，则该点为内点，否则为外点；重复以上步骤不断得到新的点集，选取内点数最多的点集得出图像间变换的最终变换矩阵。

2.根据权利要求1所述的基于分叉点特征配准方法，其特征在于：在所述步骤1中，采用高斯滤波器平滑眼底图像。

3.根据权利要求1所述的基于分叉点特征配准方法，其特征在于：在步骤22中，模板规格为7×7的模板。

4.根据权利要求1所述的基于分叉点特征配准方法，其特征在于：在步骤24中，模板规格为5×5的模板。

5.根据权利要求1所述的基于分叉点特征配准方法，其特征在于：在步骤3中，所述改进的特征描述算法采用接近于人视网膜接收图像信息的采样模型，对特征点的局部信息进行描述。