[发明专利]基于卷积神经网络的视盘检测方法及系统

权利要求书

1.基于卷积神经网络的视盘位置检测方法，其特征是，步骤为：

步骤(1)：图像预处理和样本准备：获取训练样本，先对图像进行预处理，即用粗分割血管替换蓝色通道；然后，对预处理后的图像进行尺寸放大和缩小以增加样本量，将预处理后的图像尺寸放大得到的样本、预处理后的图像尺寸缩小得到的样本和预处理后的图像尺寸不变得到的样本共同作为预处理后的训练样本，将预处理后的训练样本分别进行区域提取获得第一子集和第二子集，所述第一子集的数量要大于第二子集的数量；

所述第一子集包括两个部分，第一部分是视盘中央直径为14个像素的圆形区域内步长为2采样获得的图像；第二部分是随机选择的非视盘区域图像；

所述第二子集包括两个部分，第一部分是视盘中央5*5的区域内步长为1采样获得的图像，第二部分是随机选择的非视盘区域图像；

步骤(2)：建立卷积神经网络模型，对卷积神经网络模型利用第一子集进行第一轮训练；

步骤(3)：对步骤(2)训练后得到的卷积神经网络，采用第二子集进行第二轮训练；

步骤(4)：基于概率引导视盘检测：利用步骤(3)训练后得到的卷积神经网络对待检测图像进行视盘检测分类；检测样本经过卷积神经网络检测分类之后，得到是否为视盘的概率；

在待检测图像在视盘检测的过程中，根据当前检测窗口样本是否为视盘的概率决定滑动窗口的步长的调整，若当前检测概率小于0.1，则步长为5；若当前检测概率不小于0.1，则步长设为1；最终得到待检测图像的概率图，其中未检测的窗口样本的位置概率置为0；

步骤(5)：利用方差为1的高斯滤波器对获得的概率图像进行滤波，得到邻域内的每个像素的概率加权投票后的概率图，然后选取概率值最大的位置为视盘的中心位置。

2.如权利要求1所述的基于卷积神经网络的视盘位置检测方法，其特征是，所述待检测图像在视盘检测之前，利用多方向多尺度的二阶高斯滤波器对待检测图像进行粗分割，用粗分割血管替换蓝色通道。

3.如权利要求1所述的基于卷积神经网络的视盘位置检测方法，其特征是，所述对图像进行预处理，是利用多方向多尺度的二阶高斯滤波器对图像中血管结构进行粗分割，用粗分割得到的血管图像替换蓝色通道；预处理前图像为RGB图像，包括：红色通道、绿色通道和蓝色通道，预处理后的图像为RGV图像，包括：红色通道、绿色通道和粗分割血管。

4.如权利要求1所述的基于卷积神经网络的视盘位置检测方法，其特征是，对尺寸进行缩放以增加样本量，假设训练集中包括n幅图像，将图像尺寸增大设定数值倍数后，得到增加n幅图像；将图像缩小设定倍数后，又得到增加n幅图像，至此，训练集中包括3n幅图像；然后将所述3n幅图像归一化处理到同一像素。

5.如权利要求1所述的基于卷积神经网络的视盘位置检测方法，其特征是，所述步骤(2)的卷积神经网络模型，包括：第一卷积层、第一降采样层、第二卷积层、第二降采样层、第一全连接层、第二全连接层和输出层；

其中，第一卷积层包括20个卷积核，卷积核的大小为5*5*3；

第二卷积层包括50个卷积核，卷积核的大小为5*5*20；

第一降采样层和第二降采样层的卷积核大小均为2*2，步长为2；

第一全连接层输入向量的尺寸为2200；

第二全连接层输入向量的尺寸为500；

输出层分为视盘和非视盘两类。

6.如权利要求1所述的基于卷积神经网络的视盘位置检测方法，其特征是，所述步骤(4)在检测过程中，对待检测图像采用改进的滑动窗进行检测。