[发明专利]一种基于机器视觉的眼前节断层图像的特征提取方法

权利要求书

1.一种基于机器视觉的眼前节断层图像的特征提取方法，其特征在于，包括以下步骤：

步骤S1、在低照度的照明下，采集眼前节断层图像；

步骤S2、采用Retinex算法增强眼前节断层图像的对比度；

步骤S3、进行高斯滤波来除去经步骤S2后所产生的噪声；

步骤S4、通过二值化并配合blob形状分析来寻找出潜在角膜区域；

步骤S5、对潜在角膜区域运用梯度最大值法粗定位角膜前后表面边缘；

步骤S6、通过高斯拟合定位法确定角膜前后表面的亚像素精度边界；

步骤S7、根据已求得的角膜前后表面的亚像素精度边界，寻找出虹膜和晶状体初始点，并通过追踪来得到角膜前后表面、晶状体前表面、及虹膜前表面精确边界值。

2.根据权利要求1所述的一种基于机器视觉的眼前节断层图像的特征提取方法，其特征在于，所述的步骤S2具体为：

眼前节断层图像本身的属性信息都包含在反射光分量R(x,y)中，剔除掉影响人们视觉的反射分量环境光分量L(x,y)，将反射光分量R(x,y)保留。

3.根据权利要求1所述的一种基于机器视觉的眼前节断层图像的特征提取方法，其特征在于，所述的步骤S4具体为：

眼前节断层图像主要是由暗背景、较暗的晶状体区域、较亮的角膜区域、最亮的虹膜区域四部分构成，由于已知图像的基本构成及分类数目，采用Kmean均值聚类算法，分割出背景、晶状体、虹膜、角膜四个区域；然后通过Blob形状分析确定二值化分割出的区域是否准确。

4.根据权利要求1所述的一种基于机器视觉的眼前节断层图像的特征提取方法，其特征在于，所述的步骤S5具体为：

利用已经分割出的潜在角膜区域的基础上，在角膜前后表面逐点拉线，求出的点作为该拉线上的角膜边界点。

5.根据权利要求1所述的一种基于机器视觉的眼前节断层图像的特征提取方法，其特征在于，所述的步骤S6具体为：

高斯拟合定位法是在获得角膜前后表面的粗略边缘位置后，以粗略边缘位置为中心，梯度最大值方向提取对应的相邻像素灰度序列，使用高斯拟合其灰度梯度函数，进一步将像素级定位信息提升为亚像素级，同时由于进行了高斯函数拟合，可以排除噪声引起的奇异点，使得精度大大提高；拟合的高斯函数为：

式中：μ是亚像素边缘坐标值，σ是高斯函数的标准差，k是幅度，拟合过程使用最小二乘法来求解高斯函数μ、σ、k的值。