图像确定方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种图像确定方法、装置、设备和存储介质。所述方法包括：提取待处理图像中的第一图像区域；根据所述第一图像区域的特征参数，确定所述待处理图像中的第二图像区域的特征参数；根据所述第二图像区域的特征参数，确定所述待处理图像中的第二图像区域。本发明专利技术实施例通过根据待处理图像中第一图像区域的特征参数间接的确定第二图像区域的特征参数，进而确定待处理图像中的第二图像区域，不同图像区域受环境因素影响的程度不同，因而识别难度不同，本方案可以通过较易识别区域间接的对较难识别区域进行识别，提高了图像确定的准确率。

【技术实现步骤摘要】
图像确定方法、装置、设备和存储介质
本专利技术实施例涉及图像处理
，尤其涉及一种图像确定方法、装置、设备和存储介质。
技术介绍
黄斑区位于视网膜中央，是视力最敏感的区域，负责视觉和色觉的视锥细胞就分布于该区域，因此任何累及黄斑部的病变都会引起中心视力的明显下降、视物色暗、变形等。为了准确、及时的发现黄斑区的病变，需要确定并提取黄斑区感兴趣区域。黄斑区感兴趣区域提取目前普遍采用如下两种方案来解决：(1)使用图像处理阈值法对黄斑中心凹进行定位，然后提取黄斑区感兴趣区域。(2)通过阈值法定位视盘，然后搜索视盘周边区域，利用数学形态学和特征提取技术定位黄斑中心，最后提取黄斑区感兴趣区域。上述两种方案使用场景有所不同，所带来的问题和不足也有所不同：方案(1)应用场景只能在眼底图像质量比较高，黄斑中心凹比较明显的条件下，应用范围比较有限。由于是对全图采用阈值法定位黄斑中心凹，因此，容易受到光照以及眼底损伤的影响。方案(2)可以有效解决方案(1)中搜索区域过大引入背景噪声的问题，可以排除掉一部分光照造成的影响，但是使用阈值法检测视盘准确率还不够高，而且对于黄斑区受损的图像，即使缩小黄斑中心凹的搜索范围，也很难定位到中心凹。
技术实现思路
本专利技术实施例提供一种图像确定方法、装置、设备和存储介质，可以解决黄斑区感兴趣区域因容易受到光照以及眼底损伤影响导致提取准确率低的问题。第一方面，本专利技术实施例提供了一种图像确定方法，所述方法包括：提取待处理图像中的第一图像区域；根据所述第一图像区域的特征参数，确定所述待处理图像中的第二图像区域的特征参数；根据所述第二图像区域的特征参数，确定所述待处理图像中的第二图像区域。第二方面，本专利技术实施例提供了一种图像确定装置，所述装置包括：第一图像区域提取模块，用于提取待处理图像中的第一图像区域；第二特征参数确定模块，用于根据所述第一图像区域的特征参数，确定所述待处理图像中的第二图像区域的特征参数；第二图像区域确定模块，用于根据所述第二图像区域的特征参数，确定所述待处理图像中的第二图像区域。第三方面，本专利技术实施例提供了一种设备，所述设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术实施例中任一所述的图像确定方法。第六方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例中任一所述的图像确定方法。本专利技术实施例通过根据待处理图像中第一图像区域的特征参数间接的确定第二图像区域的特征参数，进而确定待处理图像中的第二图像区域，不同图像区域受环境因素影响的程度不同，因而识别难度不同，本方案可以通过较易识别区域间接的对较难识别区域进行识别，提高了图像确定的准确率。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术实施例一提供的一种图像确定方法的流程图；图2A是本专利技术实施例二提供的一种图像确定方法的流程图；图2B为本专利技术实施例二提供的一种黄斑区图像区域示意图；图3为本专利技术实施例三提供的一种图像确定装置的结构示意图；图4为本专利技术实施例四提供的一种设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术实施例，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术实施例相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种图像确定方法的流程图。该方法可以由本专利技术实施例提供的图像确定装置来执行，具体包括如下：S101、提取待处理图像中的第一图像区域。其中，待处理图像为一幅完整的图像，该图像包括至少两个图像区域，由于不同图像区域受环境等因素的影响不同，提取难度不同，将提取难度较容易的区域作为第一图像区域，提取难度较困难的区域作为第二图像区域。以待处理图像是眼底图像为例，待处理图像中包括视盘图像区域和黄斑区图像区域，相应地，由于视盘区域亮度大，且不易受病变影响，提取难度较小，而黄斑区易受病变影响，识别提取难度较大，可以将视盘图像区域作为第一图像区域，黄斑区图像区域作为第二图像区域。在可选的一种具体实施方式中，提取待处理图像中的第一图像区域，包括：将所述待处理图像作为图像提取模型的输入，得到所述第一图像区域；其中所述图像提取模型是基于深度学习网络，根据样本图像和样本图像中包括的第一图像区域训练得到的。例如，预先获取大量样本图像，并获取基于专业知识在样本图像中标注的第一图像区域，对基础深度学习网络模型进行训练，得到图像提取模型。本专利技术实施例对基础深度学习网络模型的结构不作具体限定，例如可以是卷积神经网络模型。S102、根据所述第一图像区域的特征参数，确定所述待处理图像中的第二图像区域的特征参数。第一图像区域和第二图像区域的特征参数可以分别是两个图像区域的位置参数和尺寸参数，例如中心位置、直径、半径等参数。以第一图像区域是视盘图像区域，第二图像区域是黄斑区图像区域为例，视盘图像区域的特征参数可以包括视盘中心位置、视盘水平直径、视盘竖直直径和视盘直径；黄斑区图像区域的特征参数可以包括黄斑区图像区域的中心位置和黄斑区图像区域的区域半径。并且，可以根据大量眼底图像样本预先确定第一图像区域与第二图像区域的特征参数之间相互关系，从而根据第一图像区域的特征参数和相互关系，可以确定第二图像区域的特征参数。仍以第一图像区域是视盘图像区域，第二图像区域是黄斑区图像区域为例，可以将大量的视盘图像区域的视盘中心位置、视盘水平直径和视盘竖直直径和黄斑区图像区域的中心位置进行训练，得到回归模型，当向回归模型输入视盘图像区域的视盘中心位置、视盘水平直径和视盘竖直直径时，则会根据训练结果，相应的得到黄斑区图像区域的中心位置。需要说明的是，上述相互关系可以通过经验公式之类的其他方式确定。S103、根据所述第二图像区域的特征参数，确定所述待处理图像中的第二图像区域。具体的，根据获取到的第二图像区域的特征参数，在待处理图像中确定第二图像区域的位置。本实施例提供的技术方案，通过根据待处理图像中第一图像区域的特征参数间接的确定第二图像区域的特征参数，进而确定待处理图像中的第二图像区域，有效避免光照以及病灶损伤对图像区域确定的影响，提高了图像确定的准确率。实施例二图2A是本专利技术实施例二提供的一种图像确定方法的流程图，图2B为本专利技术实施例二提供的一种黄斑区图像区域示意图。本实施例是在上述实施例一的基础上，以待处理图像是眼底图像，第一图像区域是视盘图像区域，第二图像区域是黄斑区图像区域为例，提供了一种具体实施方式。该方法可以由本专利技术实施例提供的图像确定装置来执行，该方法具体可以包括如下：S201、提取待处理图像中的视盘图像区域。可选的，将眼底图像作为图像提取模型的输入，得到视盘图像区域。其中，图像提取模型是基于深度学习网络，根据样本眼底图像和样本眼底图像中包括的视盘图像标注区域训本文档来自技高网...

【技术保护点】
1.一种图像确定方法，其特征在于，所述方法包括：提取待处理图像中的第一图像区域；根据所述第一图像区域的特征参数，确定所述待处理图像中的第二图像区域的特征参数；根据所述第二图像区域的特征参数，确定所述待处理图像中的第二图像区域。

【技术特征摘要】
1.一种图像确定方法，其特征在于，所述方法包括：提取待处理图像中的第一图像区域；根据所述第一图像区域的特征参数，确定所述待处理图像中的第二图像区域的特征参数；根据所述第二图像区域的特征参数，确定所述待处理图像中的第二图像区域。2.根据权利要求1所述的方法，其特征在于，所述第一图像区域为视盘图像区域；所述第二图像区域为黄斑区图像区域。3.根据权利要求1所述的方法，其特征在于，根据所述第一图像区域的特征参数，确定所述待处理图像中的第二图像区域的特征参数，包括：根据所述视盘图像区域的视盘中心位置、视盘水平直径和视盘竖直直径，确定黄斑区图像区域的中心位置。4.根据权利要求3所述的方法，其特征在于，根据所述视盘图像区域的视盘中心位置、视盘水平直径和视盘竖直直径，确定黄斑区图像区域的中心位置，包括：基于回归模型，根据所述视盘图像区域的视盘中心位置、视盘水平直径和视盘竖直直径，确定黄斑区图像区域的中心位置；其中，所述回归模型是根据眼底样本图像中包括的视盘图像区域的特征参数和黄斑区图像区域的特征参数训练得到的。5.根据权利要求1所述的方法，其特征在于，根据所述第一图像区域的特征参数，确定所述待处理图像中的第二图像区域的特征参数，还包括：将所述视盘图像区域的区域直径，作为所述黄斑区图像区域的区域半径。6.根据权利要求1所述的方法，其特征在于，提取待处理图像中的第一图像区域，包括：将所述待处理图像作为图像提取模型的输入，得到所述第一图像区域；其中所述图像提取模型是基于深度学习网络，根据样本图像和样本图像中包括的第一图像区域训练得到的。7.一种图像确定装置，其特征在于，所述装置包括：第一图像区域提取模块，用于提取待处理图像中的第一图像区域；第二特征参数确定模...

【专利技术属性】
技术研发人员：孙钦佩，杨叶辉，王磊，许言午，黄艳，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11