基于相位一致性的眼底图像微动脉瘤检测方法

摘要

本发明涉及一种基于相位一致性的眼底图像微动脉瘤(MA)的检测方法，该方法首先提取彩色眼底图像的绿色通道；其次，基于相位一致性模型提取特征点，并结合阈值分割和面积滤波方法获取微动脉瘤候选者；最后通过构建灰度剖面图的方法去除图像中血管等无关信息，从而筛选出真正的微动脉瘤。本发明充分利用相位一致性模型的优势，对图像亮度和对比度不敏感，不需要对原始图像进行增强处理，鲁棒性好；通过与灰度剖面图结合的方法去除血管等无关信息，不涉及分类识别，大大减少了算法的复杂度，节省了运行时间，能够高效自动地检测出彩色眼底图像中的微动脉瘤。

主权项

一种基于相位一致性的眼底图像微动脉瘤检测方法，包括下列步骤：步骤1：获取一幅彩色眼底图像，采用双线性插值的方法对眼底图像进行规范化处理；步骤2：对所述眼底图像提取绿色通道，并作为预处理后的图像进行后续处理；步骤3：对预处理后的所述眼底图像，基于相位一致性模型提取图像特征点；步骤4：对相位一致性处理后的所述眼底图像进行阈值分割；步骤5：采用面积滤波将所述眼底图像中非目标结构的大结构和小结构去除，得到微动脉瘤候选者；其中所述大结构是指血管和其他病变残留部分，所述小结构是指噪声；步骤6：对每一个微动脉瘤候选者，在原图像上取其邻域构建灰度剖面图，在每个邻域窗口中设置8个扫描方向进行线扫描，每条扫描线上的所有像素点的灰度值构成一个一维灰度剖面图曲线，计算曲线波峰的峰宽、峰顶宽、坡道平均高度、坡道平均斜率、峰高，在得到所有曲线的5个特征值后，利用下式计算候选目标得分，去除非微动脉瘤目标，从而筛选出真正的微动脉瘤点；$Score=\frac{M_{h_{peak}}\times {\mu }_{Rslopes}}{1+{\sigma }_{w_{peak}}+{\sigma }_{w_{top}}+{\sigma }_{Rslopes}+{\sigma }_{Rheights}+{\sigma }_{h_{peak}}}$其中，是h_peak的最小值，μ_Rslopes表示Rslopes的期望，是w_peak的方差，类似地，σ_Rheight、σ_Rslopes和分别是w_top、Rheights、Rslopes和h_peak的方差；Rslopes表示曲线波峰的坡道平均斜率，w_peak表示曲线波峰的峰宽，w_top表示曲线波峰的峰顶宽，Rheights表示曲线波峰的坡道平均高度，h_peak表示曲线波峰的峰高。