基于NGC-ACM的荧光造影眼底图像提取方法

摘要

本发明公开了一种基于NGC-ACM的荧光造影眼底图像提取方法，包括以下几个步骤：首先对荧光造影眼底图像进行处理，通过用户选择感兴趣区域，初步确定无灌注区域的边界；然后通过荧光造影眼底图像模糊划分，提取出确定存在无灌注区域的范围；其次，针对荧光造影眼底图像制作二值化模板，消除区域提取结果中的边界信息；最后通过对提取出的无灌注区域的边界及无灌注区域存在范围的数学形态学处理，最终获得无灌注区域提取结果。极大的提高了无灌注区域全局提取的效果和质量。

主权项

一种基于NGC‑ACM的荧光造影眼底图像提取方法，其特征在于，包括如下步骤：步骤1：人工选取荧光造影眼底图像中的初始无灌注区域，利用NGC‑ACM算法确定初始无灌注区域的边界；步骤2：去除初始无灌注区域的边界所包含区域中的文字信息和背景区域，得到无灌注区域分布结果图；步骤3：对无灌注区域分布结果图进行膨胀处理，得到无灌注区域存在范围结果图；步骤4：将步骤1得到的初始无灌注区域的边界与步骤3得到的无灌注区域存在范围结果图进行求与运算得到无灌注区域的全局分割结果，完成荧光造影眼底图像中无灌注区域的提取；其中，所述利用NGC‑ACM算法确定初始无灌注区域的边界的具体过程如下：(1)初始化曲线C为荧光造影眼底图像中的任意曲线，若荧光造影眼底图像中的任意像素p在曲线C上，则令二元变量x_p＝1；否则，另二元变量x_p＝0；(2)按照以下公式计算荧光造影眼底图像中无灌注区域对分割的边界项c_s和荧光造影眼底图像中背景对分割的边界项c_t；c_s＝(∑_pI(p)(1‑x_p))/∑_p(1‑x_p)c_t＝(∑_pI(p)x_p)/(∑_px_p)其中，I(p)表示像素P的坐标位置；(3)依据边界项c_s和c_t为能量函数E构造图G；E＝E_b(p,q)×E′_r(p,q)其中，$E_{r(p,q)}^{\prime }=\underset{p}{\Sigma }\min (({(I\left(p\right)-c_s)}^2+{(I\left(q\right)-c_t)}^2),({(I\left(p\right)-c_t)}^2+{(I\left(q\right)-c_s)}^2));$$E_{b(p,q)}=\underset{p,q\in \Omega }{\Sigma }\underset{p\in N\left(q\right)}{\Sigma }\frac{{\omega }_{\mathrm{pq}}\times ((1-x_p)x_p+x_p(1-x_q))}{1+\beta |I\left(p\right)-I\left(q\right)|};$ω_pq代表连接像素p与像素q的边的权值，Δθ_pq是向量边pq和与之距离最近的向量边的向量角之差的绝对值，e_pq为向量pq边的长度，δ为效果参数，0<δ≤1，0<β<100，x_q表示像素q与初始化曲线的位置关系的二元变量；(4)利用最大流最小割算法计算构造的图像的最小割，图像G将被分为两部分，分别为G₀和G₁，其中G₀包含终端S，G₁包含终端T；其中，终端S是指荧光造影眼底图像中无灌注区域像素集的子集，终端T是指荧光造影眼底图像中除去无灌注区域剩余的背景像素集的子集；(5)更新二元变量x_P，如果p∈G₀，则x_p＝0；如果p∈G₁，那么x_p＝1；(6)利用中值滤波平滑演化曲线，判断能量函数E是否收敛；(7)若能量函数E收敛，即E取得最小值，以当前的最小割作为初始无灌注区域的边界，否则重复(2)‑(6)，直到能量函数E收敛。