[发明专利]一种基于改进D-S证据的眼疾图像识别方法及系统

权利要求书

1.一种基于改进D-S证据的眼疾图像识别方法，其特征在于，所述方法包括以下步骤：

S100，采集眼底图像；

S200，对眼底图像进行数据增强得到增强图像；

S300，分别通过第一迁移网络和第二迁移网络对增强图像进行分类得到第一分类结果和第二分类结果；

S400，构建融合模型；

S500，通过融合模型对增强图像的第一分类结果和第二分类结果进行融合得到第三分类结果；

其中，构建融合模型的方法为：

假设一组分类结果Θ＝{A₁,A₂,...A_n}，令分类结果A_i(i∈[1,n])表示一个命题或假设，n为分类结果的数量，Θ称为辨识框架，A₁,A₂,...A_n彼此独立，构造映射函数m:2^Θ→[0,1]作为基本概率分配函数BPA，映射函数m满足：

其中，为空集，A是一个命题，m(A)为命题A为基本概率分配函数；

对于命题在识别框架Θ中，存在有限个基本概率分配函数BPA：m₁,m₂,m₃,...m_l，融合式定义如下：

其中，

m₁(A₁)、m₂(A₂)...m_l(A_n)为命题A₁,A₂,...A_n为基本概率分配函数；

k表示冲突因子，表示分类结果之间的矛盾程度，(1-k)是归一化系数；

以指数函数f(x)＝exp(x)作为非线性映射函数，因为它是增函数且f(x)0，故满足要求，但m(A)∈[0,1],exp(m(A))≥1,所以要对m(A)进行归一化处理：

通过归一化处理把m(A)之间的距离缩小，使得m(A)∈(0,1)，但不会改变分类结果之间的大小关系，这保持了融合式的有效性，因为不改变分类结果的大小关系，在证据融合时中，仍然能有效直观地选择高概率融合结果；

经过试验，发现如果存在m(A)＝0的情况，通过归一化处理就能消除的悖论；

总结起来，构建融合模型为：

确保识别框架Θ＝{A₁,A₂,...A_n}完备有限，用m_i对进行概率分配，使其满足式子(1)，i∈[1,l]；

S401,令变量i,j的初始值为1；i∈[1,l]，j∈[1,n]；

S402,通过公式：对基本概率进行映射和归一化；

S403,当j≤n时，令j的值增加1并转到步骤S402；当j＞n时，设置j的值为1并转到步骤S404；

S404,当i≤l时，令i的值增加1并转到步骤S402；当i＞l时，转到步骤S405；

S405，通过公式：计算冲突因子k，k表示分类结果之间的矛盾程度，(1-k)是归一化系数；

S406，通过公式进行证据融合。

2.根据权利要求1所述的一种基于改进D-S证据的眼疾图像识别方法，其特征在于，在S100中，采集眼底图像的方法为：采集的眼底图像源自于ODIR-5K医学影像数据集，包含5,000名患者的彩色眼底照片；所述彩色眼底照片通过Canon，Zeiss和Kowa中任意一种相机捕获，并将图像尺寸缩为521×521×3像素。

3.根据权利要求1所述的一种基于改进D-S证据的眼疾图像识别方法，其特征在于，在S200中，对眼底图像进行数据增强得到增强图像的方法为：

通过平移、旋转、翻转、裁剪得到预处理图像，并通过标签保留变换来增加预处理图像的数量，其中，使用随机旋转、水平镜像、垂直镜像、改变RGB通道为RBG、改变RGB通道为BGR的方法中任意一种或多种增强预处理图像得到多个增强图像。