[发明专利]一种基于快速均值移位的眼底图像视盘分割方法

权利要求书

1.一种基于快速均值移位的眼底图像视盘分割方法，其特征在于，包括如下步骤：

S1：输入原眼底图像，进行预处理，其中，原眼底图像为待分析眼底图像；

S2：利用多光源颜色恒常性算法，对预处理后的原眼底图像进行颜色校正；

S3：结合颜色校正后的眼底图像中的血管信息进行视盘定位，再基于颜色校正后的眼底图像，利用快速均值移位分割出视盘区域，得到视盘图像；

所述步骤S1的具体步骤为：

S1.1：选取原眼底图像中最能反映光照情况的R通道分量图，进行ROI区域，得到ROI区域图像，提取公式为：

I_mask＝α_d(T_t(I_R))

t＝0.05*t_max

其中，α表示形态学腐蚀操作，T表示进行阈值分割，由于ROI区域外的最大亮度值与ROI区域内的最大亮度值存在5％的比值关系，因此选取最大亮度值t_max的5％，也就是0.05*t_max作为阈值，然后用圆形结构d元素进行腐蚀操作得到掩膜，I_R为原眼底图像的R通道分量图，I_mask为ROI区域图像；

S1.2、利用3*3的自适应中值滤波器对ROI区域图像进行去噪，即自适应中值滤波器根据预设好的条件，动态地改变中值滤波器的窗口尺寸，对ROI区域图像进行去噪；

S1.3、利用多尺度顶帽变换将去噪后的ROI区域图像的RGB三通道图像进行对比度增强，并将各通道增强后的结果进行合并，最终得到了对比度增强后的ROI区域图像I_en，即得到预处理后的眼底图像：

其中，γ与分别表示数学形态学开操作和闭操作，S_i表示尺度为i的形态学结构元素，表示形态学处理后得到的区域r中亮区域w中的最优亮区域，表示形态学处理后得到的细节d中亮细节w中的最优亮细节，表示形态学处理后得到的区域r中暗区域b中的最优亮区域，表示形态学处理后得到的细节d中暗细节b中的最优暗细节，I_tn表示去噪后的ROI区域图像tn中的任一通道；

所述步骤S2的具体步骤为：

S2.1、将预处理后的眼底图像划分成多个10*10的区域，利用Grey-world算法对每个区域的三通道进行光源估计，光源估计公式为：

其中，f(x)为区域上x点的像素值，e为光源，k为增益系数，三通道的增益系数分别为：

S2.2、利用K-means聚类算法对每个区域的光源估计值进行聚类；

S2.3、通过Von-Kries模型，将聚类后的未知光源转换为标准光源，即得到颜色校正预后的眼底图像，转换公式如下：

I_c＝A_uI_en，

其中，I_en为预处理后的眼底图像，I_c为经对角模型转换后得到的标准光源c下的眼底图像，即颜色校正预后的眼底图像，对角模型即指Von-Kries模型，A_u为未知光源u的对角矩，R、G、B代表三通道分量；

所述步骤S3的具体步骤为：

S3.1、利用高斯匹配滤波器分割出预处理后的眼底图像的血管图；

S3.2、利用快速均值移位将颜色校正后的眼底图像进行超像素分割；

S3.3、基于血管图，利用血管网方向匹配滤波器得到视盘的中心点，查找该视盘中心所对应的超像素，即为视盘候选区域图像；

S3.4、将该视盘候选区域图像进行形态学处理，得到完整的视盘图像。