[发明专利]一种基于三角匹配的快速视网膜身份识别方法

权利要求书

1.一种基于三角匹配的快速视网膜身份识别方法，其特征在于，该方法包括以下步骤：

a)在预处理阶段对原始彩色视网膜图像的预处理技术以提取出视网膜的血管结构，其中预处理技术主要包含血管提取与二值化、细化及降噪等步骤；

b)对a)中预处理完的视网膜血管结构提取分岔点特征用于视网膜识别过程中的匹配特征；

c)应用本发明的基于规格化变换参数统计方法的视网膜特征匹配算法，得出匹配结果。

2.根据权利要求1所述的方法，视网膜血管提取其特征在于，该方法还包括：

本发明首先提取原始图像的绿色通道，针对提取后的图片设定一个阈值，该阈值能够去除图像中黑色背景；将上一步得到的图像作为有效区域分割的掩膜图像，掩膜图像分割原始图像得到血管所在的有效区域；针对血管所在有效区域，进行二维高斯滤波，提高信噪比；采取自适应直方均值化和同态滤波处理图像，主要为了消除拍摄时光照不均匀引起的光斑和亮点造成的影响，最后使用一维高斯滤波核进行匹配滤波,将一个方向的血管信息提取出来；将滤波核的方向旋转12次，每次15°，提取到全部的血管特征。

3.根据权利要求1所述的方法，对视网膜血管二值图进行细化其特征在于，该方法还包括：

本发明使用哈希表存储所有前景点，在每次循环中直接遍历哈希表中的点，而非遍历所有像素点，并且当某些前景点被删去时，也能很方便地对存储前景点的哈希表进行维护，在循环过程中，用专门的一个数组存储所有值变为-1的点，在每次循环结束时，将数组中的点置为0，在对像素点判定时，将需要更复杂计算的判定条件置后。

4.根据权利要求3所述的方法，本发明采用一种卷积降噪方法提高二值图信噪比，其特征在于，该方法还包括：

细化提取过程得到的结果中有大量噪点和短断线，为避免噪点对血管特征提取的干扰，使用逐像素进行3×3卷积的方法，如果在中心点周围的8邻域内没有其他像素，则将该点滤除，滤除结束后对所有的末端点进行遍历寻找与其连通的最近分叉点/末端点，如果找到的是末端点，则视为一条断线，将连接这两个点的通路上包括这两点在内的所有点都删除；如果找到的是分叉点，且距离在某个阈值以内，则视为一个毛刺，将连接这两个点的通路上包括末端点在内所有点删除，通过降噪处理，图像中的关键信息得以保留，为后续处理提供诸多方便。

5.根据权利要求1所述的方法，其特征在于，该方法还包括：

本发明对预处理完的视网膜图像提取分岔点特征用于视网膜识别，一个输入图像的环形统计分叉点数目特征值为一个向量，向量长度为环形的数量，向量中的值为相应每个环中分岔点的数目，在这个过程中，需要规定的超参数包括环形的数目，以及环与环间的距离(固定值)，使所有的环形都以实盘中心为圆心展开，并统计每个环之间的分岔点数目，最终生成特征向量。

6.根据权利要求1所述的方法，其特征在于，该方法还包括：

本发明提取视盘部分流程：首先对原图的绿色通道进行提取，获取灰度图像，之后对图像进行滤波降噪，自适应直方均值化增强对比度，再设置阈值对图像进行二值化，提取到图像高对比度的血管和视盘，最后使用腐蚀操作去掉血管，仅保留视盘，对剩余视盘区域的中心进行提取，获得其位置。

7.根据权利要求1所述的方法，其特征在于，该方法还包括：

本发明提出基于规格化变换参数统计方法的视网膜特征三角匹配算法，得出匹配结果：利用模板基线向量建立一个模板三角形，然后在待匹配图像中匹配相似三角形并计算其基线变换参数，相似三角形匹配结束后，可以获得一组变换参数，再对这一组变换参数进行离散化，具体离散化流程包括：首先建立一个一定大小尺度的矩阵，然后将变换参数的两个值线性映射到矩阵中的某个坐标位置，此处将会进行离散取整化，最后在矩阵对应的坐标位置加一，将一组变换参数完全统计完成后，对模板基线向量生成新的模板三角形，进行相似三角形匹配以及基线变换参数的规格化统计，不断增加统计矩阵每个位置的权值，最后在匹配完成所有模板基线向量能构成的合法模板三角形后，统计变换参数矩阵的最大值，如果此时变换参数矩阵的最大值非常接近模板基线向量合法模板三角形个数，就说明通过最大值所在位置的变换参数，对模板基线向量进行变换获得的另一个模板基线向量，每次都能构成模板基线向量所在模板三角形的相似三角形，一组模板基线向量构成了匹配关系，基于上述思想，本发明设定了图像匹配成功所需的最少基线匹配成功数，以及图像匹配失败所限制的最大基线匹配失败数，每次从模板图像中选定一个基线向量，并利用上述规格化变换参数统计，计算是否有另外的模板向量与其可以匹配成功，抑或匹配失败，当成功数或者失败数达到阈值，将给出图像匹配的结果，匹配或者不匹配。