[发明专利]一种基于OCT图像的视网膜分层方法

摘要

本发明公开了一种基于OCT图像的视网膜分层方法。本发明采集眼底的OCT图像作为样本图像，对采集到的样本图像作灰度归一化处理，再对样本图像进行展平，进行均值滤波，求解纵向梯度后通过比对确定视网膜上下边界，将计算的得到的多种特征输入训练分类器，得到像素点位于不同层边界的概率，最后使用图论算法通过概率来优化训练分类器输出的最优边界及其位置。本发明能够利用普通配置的计算机实现多个层结构的自动分割，并且使用了多级概率分类决策和优化，同时采用进行了系列化的分层，对图像原有处理步骤少，检测精度提升具有一定的优势。

主权项

1.一种基于OCT图像的视网膜分层方法，其特征在于包括以下步骤：1)采集眼底的OCT图像作为样本图像；2)将步骤1)的样本图像作灰度归一化处理，将处理后的样本图像进行均值滤波；3)将步骤2)经过均值滤波的样本图像进行滤波，然后使用sobel算子求取高斯滤波后的样本图像中每个像素点的纵向梯度；设定正负阈值，将纵向梯度和正、负阈值进行比较，将纵向梯度大于正阈值的上边界作为内界膜(ILM)层上界，将梯度小于负阈值的上边界作为布鲁赫膜(BrM)层；再使用边界修正方法修正内界膜(ILM)层上界和布鲁赫膜(BrM)层；4)根据步骤3)的结果将样本图像进行展平；5)计算样本图像中每个像素所在位置的多种特征；6)获得样本图像的已分层眼底OCT图像，按照步骤2)‑5)获得已分层眼底OCT图像的多种特征，将已分层眼底OCT图像的多种特征作为训练集输入训练分类器；7)将待分层眼底OCT图像作为待测图像，按照步骤2)‑5)进行处理获得待测图像的多种特征，将待测图像的多种特征输入至已经完成训练的训练分类器，训练分类器输出待测图像中每个像素点位于视网膜层各个界线的概率；8)根据每个像素点位于各个界线的概率构建连通图，使用图论算法寻找训练分类器输出的最优边界点，最终确定界线位置。