[发明专利]基于巩膜区域监督的眼部图像分割方法

说明书

本发明公开了一种基于巩膜区域监督的眼部图像分割方法，主要解决传统方法分割精度低的问题。其方案为：通过残差网络提取巩膜区域的高维特征；利用该高维特征对原眼部图像的高维特征进行注意力调整；对调整后的原眼部图像的高维特征进行编码得到编码语义特征；通过跨连接激励对编码语义特征进行改善，并将其输入到解码器进行解码得到解码语义特征；对解码语义特征进行通道调整，输出初步分割结果；计算初步分割结果与分割标签的总损失，并通过将其与设置阈值的比较，判断是否需要对所有的滤波器、编码器和解码器进行优化，输出瞳孔、虹膜和巩膜的最终分割结果。本发明提高了分割精度，可用于人眼定位、眨眼检测、改善视线估计、瞳孔变化监测。

技术领域

本发明属于图像处理技术领域，更进一步涉及一种眼部图像分割方法，可用于人眼定位、眨眼检测、改善视线估计与注视点估计、瞳孔变化监测。

背景技术

眼部图像分割的主要任务是将眼部图像的每一个像素关联到具体的瞳孔、虹膜、巩膜及其他的类别标签中，最终输出带有眼睛各部分具体位置信息的语义分割图。现有的语义分割最流行的方法之一是采用编码和解码的网络结构，编码采用多层卷积和池化即下采样实现，解码通过对编码进行逆运算，将编码得到的特征图不断上采样，最终得到一个与原图尺寸一致的全分辨率分割图。

腾讯医疗健康(深圳)有限公司在其拥有的专利技术“基于先验信息的眼部图像分割方法、装置、设备及介质”(专利申请号CN201910833947.3，授权公告号CN110599491A)中公开了一种基于先验信息的眼部图像分割方法。该方法的实现步骤是：获取眼底图像数据集，根据所述眼底图像数据集计算先验信息，然后构建机器学习模型，基于先验信息获得图像分割模型，从而实现对目标图像的最终分割。但是，该方法存在的不足之处在于，计算先验信息的过程十分耗时，同时对于上述先验信息具体的可解释性不强，且针对真实场景下的眼部图像会存在不同的先验信息，对于先验信息的计算十分困难。

重庆大学陈默涵在其硕士学位论文“人眼分割及瞳孔定位研究”中提出了一种基于随机椭圆拟合的瞳孔分割方法。该方法的实现步骤是，使用自适应阈值法和积分投影对瞳孔进行初分割得到瞳孔区域，结合随机原理和二乘法对初分割的到的瞳孔区域进行椭圆拟合，得到更加精细的瞳孔分割结果。该方法虽然解决了霍夫变换检测椭圆时计算量较大、所需内存较大的问题。但却存在两方面问题：一是其采用的自适应阈值法对于不同样本可能需要不同的设置，从而影响椭圆拟合的精细分割结果，导致分割精度有限；二是该方法没有很好地利用眼部图像中除瞳孔以外的虹膜、巩膜的特征以及它们之间的关系，使得分割效率降低。

发明内容

本发明的目的是针对上述现有技术的不足，提出一种基于巩膜区域监督的眼部图像分割方法，以提高巩膜先验信息的计算速度与可解释性，提升眼部图像分割的分割速度和分割精度，提高分割效率。

为实现上述目的，本发明的技术方案包括：

1.一种基于巩膜区域监督的眼部图像分割方法，其特征在于，包括：

(1)从OpenEDS眼部分割数据集中获取带有标签的原眼部图像，并将其作为残差网络的输入，提取其巩膜区域的高维特征F_m；

(2)在高维特征空间中，利用巩膜区域的高维特征F_m对原眼部图像进行注意力调整：

(2a)使用非线性滤波器提取原眼部图像的高维特征F_i；

(2b)利用(1)中得到的巩膜区域的高维特征F_m，对眼部图像的高维特征F_i进行注意力调整，获得调整后的高维眼部图像特征F_a：

其中，表示点乘操作；

(3)通过由残差网络构成的编码器对调整后的高维眼部图像特征进行编码，得到编码语义特征F_e；