[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

说明书

本发明公开了一种基于机器视觉的眼前节断层图像的特征提取方法，包括以下步骤：在低照度的照明下，采集眼前节断层图像；采用Retinex算法增强眼前节断层图像的对比度；进行高斯滤波来除去经步骤S2后所产生的噪声；通过二值化并配合blob形状分析来寻找出潜在角膜区域；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；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；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，虹膜前表面精确边界值。本发明具有以下优点和效果：本发明在低照度成像模式下也能对图像进行高精度处理，将大大提高患者的配合度和舒适度。

技术领域

本发明涉及眼科检测技术领域，特别涉及一种基于机器视觉的眼前节断层图像的特征提取方法。

背景技术

用裂隙灯或相关设备采集眼前节断层图像时，为了保证图像质量，通常采用高照度光源照射人眼，某些对光亮敏感人群甚至无法配合完成整个检测，需要开眼器配合，并且测试过程眼睛无法专注注视点，造成测量精度下降。因此如果能通过降低照明光源强度，减少患者的不适应度，在低照度成像模式下也能对图像进行高精度处理，将大大提高患者的配合度和舒适度。

发明内容

本发明的目的是提供一种基于机器视觉的眼前节断层图像的特征提取方法，以解决背景技术中所提出的问题。

本发明的上述技术目的是通过以下技术方案得以实现的：一种基于机器视觉的眼前节断层图像的特征提取方法，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。

进一步设置是，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。

进一步设置是，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。

进一步设置是，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。

进一步设置是，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。