[发明专利]一种眼底图像无参考质量评价方法

说明书

本发明公开了一种眼底图像无参考质量评价方法，其包括训练阶段和测试阶段两个过程；其考虑了亮度、自然度和结构布局对眼底图像质量的影响，提取出暗通道比重特征、亮通道比重特征、非均匀亮度特征、自然度质量评价分值和结构布局指标构成特征矢量，然后利用支持向量回归对训练图像集中的所有眼底图像的特征矢量进行训练，构造质量预测模型；在测试阶段，通过计算用作测试的眼底图像的特征矢量，并根据训练阶段构造的质量预测模型，预测得到该眼底图像的质量客观评价预测值，由于获得的特征矢量信息能够较好地反映眼底图像的质量变化情况，因此有效地提高了客观评价结果与主观感知之间的相关性。

技术领域

本发明涉及一种图像质量评价方法，尤其是涉及一种眼底图像无参考质量评价方法。

背景技术

眼底图像由专门的眼底相机拍摄获取，眼底图像包括视网膜中视盘、黄斑和血管等主要生理结构，是医学影像中一类重要的图像。其中，视盘在正常的眼底图像中表现为近似圆形的亮色区域，与背景区域的对比度最强，为视神经和血管的起始区域；黄斑由于其含有丰富的叶黄素，因此在眼底图像中表现为暗色区域，且该区域无血管结构，在黄斑的正中央有一个向内凹陷的区域称为中央凹；血管由视盘区域开始并延伸到整个眼球内部，呈现树状分布在整个眼底图像中，在视盘区域的血管最粗、密度最大，且基本沿垂直方向延伸。

质量优的眼底图像能够帮助眼科医生诊断各种眼底疾病，也能帮助诊断与视网膜病变相关的全身性疾病。然而在成像过程中，往往会存在光照偏亮、光照偏暗、光照不均匀、模糊、对比度低及布局不合理等问题，导致所获取的眼底图像不能用于诊断而需要重新拍摄，大大降低了效率且增加了医疗诊断成本。因此，在拍摄眼底图像的同时自动评价图像质量并推荐是否需要重拍就变得至关重要。

发明内容

本发明所要解决的技术问题是提供一种眼底图像无参考质量评价方法，其能够有效地提高客观评价结果与主观感知之间的相关性，利用其能够准确地自动评价眼底图像质量以确定是否需要重新拍摄眼底图像。

本发明解决上述技术问题所采用的技术方案为：一种眼底图像无参考质量评价方法，其特征在于包括训练阶段和测试阶段两个过程；

所述的训练阶段过程的具体步骤为：

①_1、选取N幅眼底图像构成训练图像集，记为{I_k|1≤k≤N}；其中，N为正整数，N>1，k为正整数，1≤k≤N，I_k表示{I_k|1≤k≤N}中的第k幅眼底图像，{I_k|1≤k≤N}中的每幅眼底图像的宽度为W，且高度为H；

①_2、计算{I_k|1≤k≤N}中的每幅眼底图像的亮度特征矢量，将I_k的亮度特征矢量记为并计算{I_k|1≤k≤N}中的每幅眼底图像的自然度特征矢量，将I_k的自然度特征矢量记为计算{I_k|1≤k≤N}中的每幅眼底图像的结构布局特征矢量，将I_k的结构布局特征矢量记为其中，的维数为3×1，的维数为1×1，的维数为1×1；

①_3、将{I_k|1≤k≤N}中的每幅眼底图像的亮度特征矢量、自然度特征矢量和结构布局特征矢量按序排列构成{I_k|1≤k≤N}中的每幅眼底图像的特征矢量，将I_k的特征矢量记为F_k，其中，F_k的维数为5×1，符号“[ ]”为矢量表示符号，表示将和连接起来形成一个特征矢量，为的转置；