[发明专利]基于卷积神经网络的视盘检测方法及系统

摘要

本发明公开了基于卷积神经网络的视盘检测方法及系统，利用深度卷积神经网络进行监督学习能够更好的学习到具有区分性的特征，采用RGV图像和长方形感兴趣区域能更好的增强模型的表达能力。多级训练有效的增强了训练模型的鲁棒性和精确性，概率引导的检测方法同时提高了模型的效率，因此本发明能够克服样本量少、图像复杂、质量差等问题，高效准确的完成视盘检测的任务。

主权项

1.基于卷积神经网络的视盘位置检测方法，其特征是，步骤为：步骤(1)：图像预处理和样本准备：获取训练样本，先对图像进行预处理，即用粗分割血管替换蓝色通道；然后，对预处理后的图像进行尺寸放大和缩小以增加样本量，将预处理后的图像尺寸放大得到的样本、预处理后的图像尺寸缩小得到的样本和预处理后的图像尺寸不变得到的样本共同作为预处理后的训练样本，将预处理后的训练样本分别进行区域提取获得第一子集和第二子集，所述第一子集的数量要大于第二子集的数量；所述第一子集包括两个部分，第一部分是视盘中央直径为14个像素的圆形区域内步长为2采样获得的图像；第二部分是随机选择的非视盘区域图像；所述第二子集包括两个部分，第一部分是视盘中央5*5的区域内步长为1采样获得的图像，第二部分是随机选择的非视盘区域图像；步骤(2)：建立卷积神经网络模型，对卷积神经网络模型利用第一子集进行第一轮训练；步骤(3)：对步骤(2)训练后得到的卷积神经网络，采用第二子集进行第二轮训练；步骤(4)：基于概率引导视盘检测：利用步骤(3)训练后得到的卷积神经网络对待检测图像进行视盘检测分类；检测样本经过卷积神经网络检测分类之后，得到是否为视盘的概率；在待检测图像在视盘检测的过程中，根据当前检测窗口样本是否为视盘的概率决定滑动窗口的步长的调整，若当前检测概率小于0.1，则步长为5；若当前检测概率不小于0.1，则步长设为1；最终得到待检测图像的概率图，其中未检测的窗口样本的位置概率置为0；步骤(5)：利用方差为1的高斯滤波器对获得的概率图像进行滤波，得到邻域内的每个像素的概率加权投票后的概率图，然后选取概率值最大的位置为视盘的中心位置。