对眼底图像中视网膜血管的分割方法和装置制造方法及图纸

本发明专利技术公开了一种对眼底图像中视网膜血管的分割方法和装置。其中，该方法包括：获取眼底图像；基于海瑟矩阵对眼底图像进行处理，得到第一视网膜血管图；对第一视网膜血管图进行二值化处理，得到第二视网膜血管图；对第二视网膜血管图中中断的血管进行重构，得到第三视网膜血管图。本发明专利技术解决了现有技术中对眼底图像中视网膜血管分割时复杂度高以及分割结果不准确的技术问题。

【技术实现步骤摘要】
对眼底图像中视网膜血管的分割方法和装置
本专利技术涉及计算机互联网领域，具体而言，涉及一种对眼底图像中视网膜血管的分割方法和装置。
技术介绍
在人类从外界接受的各种信息中，约有80％以上的信息来自于视觉。所以眼睛是人体最重要的感觉器官。眼底视神经是大脑向外延伸的部分，是重要的视觉器官，眼底疾病往往造成视力减退或永久丧失。另外，眼底循环障碍疾病以及全身性疾病导致的眼底改变均可以不同程度地显征于视网膜和脉络膜。因此对眼底照片进行处理可以对某些全身疾病提供早期诊断或预后判断功能。传统的眼底检查方法是依靠眼底照片和医生的观察分析来检查，由于受拍摄，冲扩及人眼的分辨能力等多种因素的影响，很难对眼底图像做出准确、客观、全面的分析，近年来，先进的计算机图像处理技术已被用于眼底图像的处理和分析，为迅速、准确、客观的分析眼底图像提供了一个现代化的科学手段。眼底视网膜血管作为眼底图像的重要特征，是各项分析工作得前提和基础，因此对血管分割的研究具有极其重要的意义，能否完整的提取出眼底视网膜血管的轮廓，将是后续对眼底图像处理分析好坏的关键因素。对视网膜血管的分割能够定位血管的位置来减少病变的误诊，同时，也可以通过血管的分割来检测血管树并建立其几何关系，来辅助视神经盘和凹陷的检查，也可以通过分割出来的血管得到血管的各种参数，并检查血管的异常。高血压和糖尿病展现在视网膜上最重要的一个迹象就是血管的异常畸形，比如：动静脉压痕，铜丝状或银丝状动脉，以及弯曲度和分支角度的改变等。人工分析视网膜的血管异常是比较好的方法，但是，面对大规模的人群分析观察时，就会出现局限性，缺乏准确性，一致性和重复性，因此需要将视网膜血管分割出来，展现给观阅者一副带有血管形态测量数据(比如：弯曲度，分支角度等)和异常检测标记(比如：动静脉压痕，铜丝状或银丝状动脉，畸形的突出区域等)的视网膜图像，来帮助观阅者来做出最终的判断。观阅者只需要通过用户界面就能够观察到视网膜的形态和异常检测的结果，进而鉴定视网膜的病变迹象。这样能够大大的提高筛选的效率和准确度。而对视网膜血管分析的首要条件就是能够准确的从眼底图像中分割出血管。随着计算机的迅速发展，已经有学者研究出眼底血管自动分割的方法，眼底血管分割的方法主要分为监督的方法和非监督的方法。监督的分割方法依赖于分类训练集进行训练，一般会比非监督的有比较好的分割结果。非监督的分割方法有基于形态学的分割方法、基于追踪的分割方法和基于snake模型的算法。监督的方法虽然可以得到一个比较好的血管分割结果，但是这种方法需要一个比较好的训练集进行训练，例如在用神经网络的方法进行血管分割时，必须需要一个拥有多种变化图片的训练集进行训练，如果训练度不够，结果就会出现偏差，造成使用的局限性。非监督的分割方法中，基于形态学的方法例如区域增长、形态学重建等算法，拥有一个很高的时间计算复杂度，可达到13分钟之多；追踪的方法在分割血管时虽然可以准确的获得血管的宽度，但是在血管的交叉点和分支中很容易陷入僵局，从而得到不准确的血管分割；基于轮廓模型的方法在计算复杂度和时间复杂度都较高，一般的分割时间都在十几分钟。因此，上述眼底血管分割的方法在在实际应用中都具有不适用性和局限性。针对现有技术中对眼底图像中视网膜血管分割时复杂度高以及分割结果不准确的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种对眼底图像中视网膜血管的分割方法和装置，以至少解决现有技术中对眼底图像中视网膜血管分割时复杂度高以及分割结果不准确的技术问题。根据本专利技术实施例的一个方面，提供了一种对眼底图像中视网膜血管的分割方法，包括：获取眼底图像；基于海瑟矩阵对眼底图像进行处理，得到第一视网膜血管图；对第一视网膜血管图进行二值化处理，得到第二视网膜血管图；对第二视网膜血管图中中断的血管进行重构，得到第三视网膜血管图。根据本专利技术实施例的另一方面，还提供了一种对眼底图像中视网膜血管的分割装置，包括：获取模块，用于获取眼底图像；第一处理模块，用于基于海瑟矩阵对眼底图像进行处理，得到第一视网膜血管图；第二处理模块，用于对第一视网膜血管图进行二值化处理，得到第二视网膜血管图；重构模块，用于对第二视网膜血管图中中断的血管进行重构，得到第三视网膜血管图。在本专利技术实施例中，通过获取眼底图像，首先基于海瑟矩阵对眼底图像进行处理，得到第一视网膜血管图，然后对第一视网膜血管图进行二值化处理，得到第二视网膜血管图，最后对第二视网膜血管图中中断的血管进行重构，得到第三视网膜血管图，达到了从眼底图像中分割出视网膜血管的目的，利用海瑟矩阵能够准确的从眼底图像中分割出视网膜血管，在得到第二视网膜血管图后对中断的血管进行重构能够使视网膜血管更加精确，有利于后续对血管的形态测量，便于后续对疾病的分析和研究，进而解决了现有技术中对眼底图像中视网膜血管分割时复杂度高以及分割结果不准确的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例1的一种对眼底图像中视网膜血管的分割方法的流程图；图2是根据本专利技术实施例1的血管像素图；图3是根据本专利技术实施例1的带权值的有向节点图；图4是根据本专利技术实施例2的一种对眼底图像中视网膜血管的分割装置的结构图；图5是根据本专利技术实施例2的一种可选的对眼底图像中视网膜血管的分割装置的结构图；图6是根据本专利技术实施例2的一种可选的对眼底图像中视网膜血管的分割装置的结构图；图7是根据本专利技术实施例2的一种可选的对眼底图像中视网膜血管的分割装置的结构图；以及图8是根据本专利技术实施例2的一种可选的对眼底图像中视网膜血管的分割装置的结构图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。实施例1根据本专利技术实施例，提供了一种对眼底图像中视网膜血管的分割方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本专利技术实施例的对眼底图像中视网膜血管的分割方法，如图1所示，该方法包括如下步骤：步骤S102，获取眼底图像。具体的，可以通过拍照的方式获取本文档来自技高网...

【技术保护点】
一种对眼底图像中视网膜血管的分割方法，其特征在于，包括：获取眼底图像；基于海瑟矩阵对所述眼底图像进行处理，得到第一视网膜血管图；对所述第一视网膜血管图进行二值化处理，得到第二视网膜血管图；对所述第二视网膜血管图中中断的血管进行重构，得到第三视网膜血管图。

【技术特征摘要】
1.一种对眼底图像中视网膜血管的分割方法，其特征在于，包括：获取眼底图像；基于海瑟矩阵对所述眼底图像进行处理，得到第一视网膜血管图；对所述第一视网膜血管图进行二值化处理，得到第二视网膜血管图；对所述第二视网膜血管图中中断的血管进行重构，得到第三视网膜血管图。2.根据权利要求1所述的方法，其特征在于，基于海瑟矩阵对所述眼底图像进行处理之前，包括：对所述眼底图像进行预处理；其中，所述预处理包括：获取所述眼底图像的绿色通道图像以及对所述绿色通道图像进行滤波和增强对比度的处理。3.根据权利要求2所述的方法，其特征在于，对所述绿色通道图像进行滤波和增强对比度的处理，包括：使用图像处理均值滤波算法对所述绿色通道图像进行滤波处理；使用自适应直方图均衡化算法对经过所述滤波处理的所述绿色通道图像进行增强对比度的处理。4.根据权利要求1所述的方法，其特征在于，对所述第一视网膜血管图进行二值化处理，包括：使用局部熵阈值分割算法对所述第一视网膜血管图进行二值化处理。5.根据权利要求1所述的方法，其特征在于，得到第二视网膜血管图之后，包括：对所述第二视网膜血管图进行后处理；其中，所述后处理包括：确定所述第二视网膜血管图的病变区域，并去除所述病变区域引起的噪音。6.根据权利要求5所述的方法，其特征在于，确定所述第二视网膜血管图的病变区域，包括：对所述第二视网膜血管图标注连通区域；确定孤立区域，其中，所述孤立区域为面积小于预设阈值的所述...

【专利技术属性】
技术研发人员：崔彤哲，王小珂，周永新，谌记文，陈国桢，孙毅，
申请(专利权)人：海纳医信北京软件科技有限责任公司，
类型：发明
国别省市：北京,11