[发明专利]基于分叉点特征配准方法

说明书

本发明提供了一种基于分叉点特征配准方法，该方法首先获取眼底图像的绿色通道，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；随后，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；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；最终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，本发明提出的配准方法在公开的FIRE眼底配准数据库中取得了较好的效果。

技术领域

本发明涉及眼底图像处理技术领域，尤其涉及基于分叉点特征配准方法。

背景技术

现代医疗与科学技术的结合日益紧密，在近20年间，眼底图像分析处理的运用范围日趋广泛。眼底中的视网膜血管是人整个身体中唯一可以直接观察的血管，从视网膜血管的变化可以窥见身体内部某些脏器的变化。例如眼底出现了毛细血管瘤或者小的渗出物和血点，则有很大的可能是糖尿病的症状；视网膜血管产生了动脉硬化则是高血压的预警。因此，在医疗诊断方面，眼底血管图像的信息对于身体病变的早期发现具有及其重要的作用。就目前的技术而言，通过眼底仪获取的眼底图像一次只能得到眼底的一部分图像，因此对一个眼球我们需要获取多幅图像，才能覆盖整个眼底的信息，也就是需要将多幅获得的不完全图像拼接成一幅完整的眼底图。目前，并没有特别有效的软件能够进行各种眼底图像的拼接。在部分医院，需由经验丰富的专家进行手动图像的拼接，而在一些偏远地区，由于医疗水平不高，专家经验有限，导致眼底图像拼接的效果较差，因此需要一种可以自动实现眼底图像配准的方法能够缓解此类问题，实现较完美的眼底图像拼接。

随着人们对于眼底图像在医疗方面应用的重视，眼底图像的配准技术也随之发展起来。一般眼底图像配准算法可以分为两大类：基于强度的配准和基于特征点的配准。基于强度的配准根据图像的强度差异、互相关、梯度相关或互信息进行配准。Kedir M.Adal等人在“A hierarchical coarse-to-fine approach for fundus image registration，″inInternational Workshop on Biomedical Image Registration，2014，pp.93-102”文献中公开了利用绿色眼底图像中视网膜血管的强度和结构信息对眼底图像进行配准。该方法没有基于特征的算法依赖于特征的数量和分布固有的局限性，但是该方法过分依赖于每一步的初始化结果，如果初始化出现偏差，则得出的结果不理想，而且该方法需要眼底血管与眼底的对比度明显，对模糊图像使用该方法则效果不好。基于互相关的计算方法几乎完全依赖于像素的灰度值，因此该方法仅适用于外在条件差异不大的两幅图像进行精确配准。

基于特征点的配准通常使用眼底图像的血管分叉点、整个血管树、点特征检测器提取的特征点进行配准。在计算机视觉中广泛使用的是SIFT和SURF特征检测。SIFT变换提取的特征点具有旋转不变、尺度不变的特性，但是该变换在具有病变的或者模糊的眼底图像中难找到稳定的匹配点，而且该方法耗时较长。SURF是对SIFT变换的改进，但是该方法对于异常值非常敏感，虽然提高了计算速度，但是旋转不变性能变差。Janabai Parekar等人在“Automatic retinal image registration using fully connected vascular tree，″in Signal and Information Processing(IConSIP)，International Conference on，2016，pp.1-5”文献中提出了使用血管分叉点进行眼底图像配准的方法，该方法对于低对比度，重叠区域小的眼底图像具有很好的配准效果，但是该方法提取的特征向量存在着误差，可能导致最终得出的特征匹配点较少，有时不能很精确的实现图像的配准。

发明内容

为克服现有技术中存在的眼底图像拼接的效果差问题，本发明提供了一种基于分叉点特征配准方法。