[发明专利]一种彩色眼底图的视盘视杯自动分割方法

权利要求书

1.一种彩色眼底图的视盘视杯自动分割方法，包括如下步骤：

S1.获取已知的彩色眼底图像和对应的眼底图数据集，并将彩色眼底图像中青光眼的眼底图像所对应的眼底图数据集分为测试数据集和训练数据集；

S2.构造视盘初步分割深度学习网络，利用步骤S1得到的训练数据集对视盘初步分割深度学习网络进行训练，并利用步骤S1得到的测试数据集对训练后的视盘初步分割深度学习网络进行测试和修正，从而得到视盘分割模型；

S3.利用步骤S2得到的视盘分割模型对步骤S1获取的测试数据集和训练数据集进行分割，并将分割得到的图谱进行截取，从而得到以视盘的质心为中心，边长为视盘直径N倍的截图；N为正数；

S4.构建视盘视杯初步分割网络，利用步骤S3得到的截图对视盘视杯初步分割网络进行训练和修正，从而得到欧几里得坐标下的视盘视杯分割模型；

S5.对步骤S3得到的截图进行极坐标变换，得到极坐标截图；

S6.构建极坐标视盘视杯初步分割网络，利用步骤S5得到的极坐标截图对极坐标视盘视杯初步分割网络进行训练和修正，从而得到极坐标下的视盘视杯分割模型；

S7.对于待分析的彩色眼底图像和对应的眼底图数据，利用步骤S4得到的欧几里得坐标下的视盘视杯分割模型进行分割，得到欧几里得坐标视盘视杯分割结果；

S8.对于待分析的彩色眼底图像和对应的眼底图数据进行极坐标变换，并利用步骤S6得到的极坐标下的视盘视杯分割模型进行分割，得到极坐标下的视盘视杯分割结果；

S9.对步骤S8得到的极坐标下的视盘视杯分割结果进行极坐标反变换，从而得到极坐标视盘视杯分割结果；

S10.将步骤S7得到的欧几里得坐标视盘视杯分割结果和步骤S9得到的极坐标视盘视杯分割结果进行融合，从而得到最终的眼底图的视盘视杯分割结果。

2.根据权利要求1所述的彩色眼底图的视盘视杯自动分割方法，其特征在于还包括如下步骤：采用双立方插值算法对原始图像进行处理，从而使得原始图像的分辨率统一。

3.根据权利要求2所述的彩色眼底图的视盘视杯自动分割方法，其特征在于所述的采用双立方插值算法对原始图像进行处理，具体为采用如下算式进行处理：

式中为处理后的像素点的坐标，f(i,j)为原始的像素点的坐标，m和n为平移量，R(x)为插值表达式。

4.根据权利要求1～3之一所述的彩色眼底图的视盘视杯自动分割方法，其特征在于步骤S2所述的视盘初步分割深度学习网络分为编码器和解码器，且视盘初步分割深度学习网络的输入为彩色眼底图像和对应的眼底图数据，视盘初步分割深度学习网络的输出为二值分割图谱。

5.根据权利要求1～3之一所述的彩色眼底图的视盘视杯自动分割方法，其特征在于步骤S3所述的质心，具体为采用如下算式计算质心的坐标(x_c,y_c)：

式中f(x,y)为分割得到的0-1二值图谱。

6.根据权利要求1～3之一所述的彩色眼底图的视盘视杯自动分割方法，其特征在于步骤S3所述的视盘直径，具体为采用如下算式计算视盘直径r：

式中f(x,y)为分割得到的0-1二值图谱。

7.根据权利要求1～3之一所述的彩色眼底图的视盘视杯自动分割方法，其特征在于步骤S5所述的极坐标变换，具体为采用如下算式进行极坐标变换：

g(r,θ)＝f(r·cosθ+x₀,r·sinθ+y₀)

式中g(r,θ)为变换后的极坐标，f(i,j)为原始图像坐标，(x₀,y₀)为图像中心的坐标。