[发明专利]眼底彩照视盘与黄斑定位识别方法

权利要求书

1.一种眼底彩照视盘与黄斑定位识别方法，其特征在于包括以下步骤：

图片质量检测，输入原始图像，进行图像特征的提取，并对以决策树为基分类器的随机森林模型进行训练，使用随机森林模型对图片质量进行预测，检测出图片质量过关的眼底图像进行后续处理；

图像预处理，在所有的图像中选择一张图片质量最好的，并提取其RGB三个轨道的灰度分布，将其作为标准图；

视盘识别，包括以下步骤：

初定位，首先将整张图片更亮的区域用阈值分割的方法提取出来，其余较暗区域利用均值填补，修改后的图片再次进行阈值切分，通过多次迭代，将高亮区域面积一步步减小，当感兴趣区域面积小于确定的阈值后，停止迭代，再对提取出的高亮区域进行筛选，提取出该感兴趣区域的中心并截取以供下一步分析；

精确定位与平滑拟合：利用形态学处理方法先去掉噪音影响，然后对于图像进行阈值分割以得到相对不光滑的边界位置，然后对于边界位置进行椭圆拟合，最后将边界方程绘制在原图上；

其中，所述图像特征的提取包括以下步骤：

首先使用canny算子对图像进行边缘检测，再用中值滤波进行去噪处理，之后用去噪处理后的图，计算边缘总像素点的个数、边缘的总周长、边缘区域的最大长度、最大宽度、奇数链的链码数目、目标面积、矩形度、伸长度，然后提取图像的七个不变矩特征；

每个图层提取5个判断清晰度的特征：灰度熵、Brenner梯度函数、方差函数、能量梯度函数、梯度函数；

利用灰度直方图提取256个频率特征；

将原本的RGB空间转换为HSV空间，计算色彩直方图，得到256个色彩与纹理特征。

2.如权利要求1所述的眼底彩照视盘与黄斑定位识别方法，其特征在于所述对图片质量进行预测包括以下步骤：

1)给定训练数据集d＝(X,y)，其中x为提取出来的特征，y为0、1分类变量，0表示图片质量差，1表示图片质量好，固定m≤p，m为随机抽取出的特征个数，p为特征总个数，以及决策树算法中树的个数B；

2)对每颗树b，b＝1，b＝2，....，B，做如下步骤：

a)对训练数据d通过随机从n个样本中抽取n次，构造bootstrap训练集

b)使用中的数据构造最大深度的树随机从p个变量中抽取m个进行分裂；

c)储存树与bootstrap样本的信息；

3)对任意预测点X₀，进行随机森林的拟合与预测，对每棵树都会预测出一个类别，这样由于有B棵树，所以预测出B个01类别，最终的预测结果，就是B个类别中，出现次数最多的类别。

3.如权利要求1所述的眼底彩照视盘与黄斑定位识别方法，其特征在于还包括视杯识别：

在进行视盘感兴趣区域选取后，利用超像素算法将感兴趣区域切割成若干小连通域，对于分割后的小连通域，提取其特征，包括像素特征、位置结构特征，然后将每个小连通域看成样本，进行机器学习模型的训练，再用得到的模型对新图片进行预测，预测结果看成视杯区域的大致形状和位置，再用圆进行拟合，作为视杯识别结果，最后进行校验以及计算杯盘比，当视杯半径过小或者过大时，认为判断不准，弹出报错信息。

4.如权利要求3所述的眼底彩照视盘与黄斑定位识别方法，其特征在于：

杯盘比则通过公式r/a＜CDR＜r/b来进行估计，其中r是视杯半径，a和b分别是视盘半长轴和半短轴，其中，所述CDR为杯盘比。

5.如权利要求1所述的眼底彩照视盘与黄斑定位识别方法，其特征在于还包括黄斑识别步骤：

图像读入，并径向压缩处理，预设固定黄斑的直径；

图像预处理，将彩色图转为灰度图，对得到的灰度图像进行一系列形态学变换，然后进行直方图均衡，再进行腐蚀膨胀处理；

自动选取阀值，使用otsu法，把图像的灰度数按灰度级分成两个部分，使得两个部分之间的灰度值差异最大，每个部分之间的灰度差异最小，通过方差的计算来寻找一个合适的灰度级别来划分；

区域筛选，通过对每个连通域的面积与形态进行筛选，筛选出符合条件的最大连通域，最后确定连通域的中心，此中心即为黄斑中心凹的位置。