[发明专利]一种结合Gbvs模型和相位一致性的视盘定位方法

摘要

本发明公开了一种结合Gbvs模型和相位一致性的视盘定位方法。其实现过程是：(1)提取彩色眼底图像的绿色通道；(2)求取眼底图像的掩模图像，获得眼底图像的感兴趣区域(Region of Interest，简称ROI)；(3)提取亮度、亮度对比度、相位一致性三类特征；(4)用改进的基于图的显著性模型(Graph based visual saliency，Gbvs)构造显著图；(5)提取眼底图像静脉血管骨架线，用最小二乘法进行抛物线拟合；(6)比较抛物线顶点邻域内的显著性与整幅眼底图像的平均显著性的大小，确定视盘位置。本文在计算显著图的过程中，根据眼底图像中视盘的特点，提取了亮度、亮度对比度、相位一致性三类特征，改进了基于图的显著性模型，在定位视盘时利用静脉血管的结构特征辅助精确定位。实验证明本文方法效果良好。

主权项

1.一种结合Gbvs模型和相位一致性的视盘定位方法，所述方法包括下列步骤：步骤1：提取眼底图像的绿色通道；步骤2：求取眼底图像的掩模图像，确定眼底图像的感兴趣区域；步骤3：提取亮度、亮度对比度、相位一致性三类特征；步骤4：用改进的基于图的显著性模型构造显著图，具体过程为：(1)对于亮度、亮度对比度、相位一致性三类特征的每一类特征通道内，以像素为节点，将每层金字塔数据映射为一个无向图G_A，首先利用节点之间的距离，计算出任意像素之间的差异性，将其作为其对应节点连成的边的权重，并归一化到[0，1]；然后计算出权重矩阵，将矩阵按列进行归一化，归一化后的矩阵称为马尔科夫矩阵，用以反映G_A中任意一个节点和其他所有顶点的联系；接着，计算马尔科夫矩阵最大谱对应的特征向量，插值回原图得到特征图；(2)对各特征通道所得的特征图进行尺寸归一化，各通道特征图相加，由此分别得到亮度、亮度对比度、相位一致性的3张显著图；(3)将3张显著图按照1∶1∶2的比例进行线性相加，最终得到总显著图；步骤5：提取眼底图像静脉血管骨架线，用最小二乘法进行抛物线拟合；步骤6：比较抛物线顶点邻域内的显著性与整幅眼底图像的平均显著性的大小，确定视盘位置。