一种基于血管收敛的视盘区定位方法技术

本发明专利技术涉及一种基于血管收敛的视盘区定位方法，用于对眼底图像的视盘区进行定位，所述方法包括下列步骤：利用最小二乘分类器分割出眼底图像的初始视盘区；根据血管收敛位置计算分割出的初始视盘区的中心；计算初始视盘区的中心的各个方向上梯度值最大的点，构成点集，利用快速椭圆拟合算法处理点集，得到视盘区边界并确定视盘区。与现有技术相比，本发明专利技术具有鲁棒性强、能克服各种干扰因素、可以准确定位视盘区中心以及定位清晰明了等优点。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其是涉及一种基于血管收敛的视盘区定位方法。
技术介绍
视盘在眼底图像中具有较明显的特征：(1)通常表现为近似圆形的黄色或白色亮斑；(2)血管从视盘中心延伸出来；(3)延伸出的血管在方向上具有相似性。1997年，Zhengliu等人在发表的“Automaticimageanalysisoffundusphotograph”中选取眼底图像中最大亮度值的2％作为阈值，所留下的区域即视盘所在位置；Chrastek等人在发表的“Opticdiscsegmentationinretinalimages”中选取图像中亮度均值最大的点作为视盘中心。这两种方法只是单纯利用视盘区域最亮这一特征，当图像中存在亮度不均、渗出病变或视盘亮度丢失等情况时，定位的准确性受到极大影响。2002年，Sinthanayothin等人在发表的“Automatedlocationoftheopticdisc,fovea,andretinalbloodvesselsfromdigitalcolorfundusimages”中则利用较亮的视盘中存在较暗的血管这一特征，计算各像素一定区域的亮度方差，将平均亮度方差最大的一点作为视盘的近似中心位置。很显然，这样可以排除部分高亮度病变或光照不均等得影响。Osareh等人在发表的“Comparisonofcolorspacesforopticdisclocationinretinalimages”中利用视盘亮度和形状都具有相似性这一特点提出了基于模板匹配的方法，模板匹配后相关系数最大的点即视盘中心。上面四种方法都只是利用视盘区域内的亮度和形状特征，不能很好的应用于视盘存在病变、视盘亮度丢失等情况的眼底图像中。另外一类方法是基于视盘与血管结构关系的。2003年，Hoover等人在发表的“Locatingtheopticnerveinaretinalimageusingthefuzzyconvergenceofthebloodvessels”中利用血管汇集于视盘中心这一特征，提出了一种计算像素点的血管汇集程度的算法。这种方法的缺点在于它易在血管分叉的地方给出错误的定位而且计算复杂度高。Forachia等人在发表的“Detectionofopticdiscinretinalimagesbymeansofageometricalmodelofvesselstructure”中不仅利用血管汇集特征，并且综合考虑了整个血管系统的结构方向特征，即主血管从视盘延伸出来的路径近似于两条相切的几何抛物线。最终采用几何模型方法实现视盘定位。由于光照不均、病变、血管干扰等干扰因素，这些方法不能准确定位视盘。
技术实现思路
本专利技术的目的是针对上述问题提供一种基于血管收敛的视盘区定位方法。本专利技术的目的可以通过以下技术方案来实现：一种基于血管收敛的视盘区定位方法，用于对眼底图像的视盘区进行定位，所述方法包括下列步骤：1)利用最小二乘分类器分割出眼底图像的初始视盘区；2)根据血管收敛位置计算步骤1)中分割出的初始视盘区的中心；3)计算步骤2)中初始视盘区的中心的各个方向上梯度值最大的点，构成点集，利用快速椭圆拟合算法处理点集，得到视盘区边界并确定视盘区。所述最小二乘分类器包括CSK跟踪器。所述步骤1)具体为：11)将眼底图像划分为多个大小为M×N的图像块；12)对步骤11)中划分得到的每一个图像块中的每一个像素pm,n进行预处理，得到处理后的像素G(m,n)，其中1≤m≤M，1≤n≤N；13)利用最小二乘分类器遍历所有图像块，将图像块与视盘区模板进行匹配检测，并根据步骤12)中得到的G(m,n)计算每个图像块的检测分数；14)选取最大检测分数对应的图像块，即为分割出的眼底图像的初始视盘区。所述处理后的像素G(m,n)具体为：G(m,n)=12πσ2e-(m2+n2)/(2σ2)]]>其中，σ为正态分布的标准差。所述检测分数具体为：其中，St为每一个图像块的检测分数，为离散傅里叶变换，为离散傅里叶反变换，κ为点积操作，a(m,n)具体为：其中，p为图像块，λ为正则化参数。所述步骤2)具体为：21)对步骤1)中得到的初始视盘区依次进行中值滤波和二值化血管分割，完成血管的提取；22)利用垂直的矩形窗口从左到右遍历初始视盘区，结合提取的血管确定视盘区中心的横坐标；23)利用水平的矩形窗口从上到下遍历初始视盘区，结合提取的血管确定视盘区中心的纵坐标。所述初始视盘区的中心的横坐标为血管聚集程度D(v)最小时对应的垂直窗口v的中心横坐标，所述血管聚集程度D(v)具体为：D(v)=(-1)×(Σi=1n(MiM×log(MiM)))]]>其中，n为窗口的数量，Mi为第个血管连接区域的像素个数，M为垂直窗口中像素的总个数。所述初始视盘区的中心的纵坐标为Gabor滤波器强度值R(h)最大时对应的水平窗口h的中心纵坐标，所述血管聚集程度R(h)具体为：R(h)=Σi=1n(l(x,y)×g(x,y))Np]]>其中，n为窗口的数量，(x,y)为像素的坐标，l(x,y)为坐标为(x,y)的像素的RGB值，g(x,y)为第h个窗口的Gabor滤波器的中值，Np为第h个水平窗口中的像素个数。所述步骤3)具体为：31)以步骤2)中得到的初始视盘区的中心为端点，向四周20个等间距的角度作20条射线；32)分别求出20条射线上梯度值最大的点，构成点集；33)利用快速椭圆拟合算法处理点集，得到视盘区边界并确定视盘区。所述梯度值具体为：G(i,j)＝I(i,j)-I(i,j+1)其中，G(i,j)为第i个方向上第j个像素点的梯度值，I(i,j)为第i个方向上第j个像素点的亮度值，I(i,j+1)为第i个方向上第j+1个像素点的亮度值。与现有技术相比，本专利技术具有以下有益效果：(1)对视盘区域检测方法是基于最小二乘分类器和模板匹配，鲁棒性强，能克服光照不均、病变、血管干扰等干扰因素。(2)利用血管从视盘中心延伸出来的形态学特点，通过提取血管并计算血管收敛位置能准确定位视盘区中心。(3)通过计算各个方向上梯度值最大的点并椭圆模拟出视盘边界，清晰明了。(4)采用CSK跟踪器作为最小二乘分类器，相较于其他最小二乘分类器，CSK跟踪器速度最快，提高了视盘区域检测的速度。(5)在分割视盘区时对每一个图像块中的每一个像素pm,n进行预处理，防止了眼底图像局部信息的扩散。(6)首先通过模板匹配确定初始视盘区，再通过血管收敛确定视盘区的中心，既克服了模板匹配情况下会受到病变和视盘亮度丢失的情况，又克服了血管收敛时在血管分叉的地方给出错误定位这种情况，因此整体定位精度高效果好。附图说明图1为本专利技术的方法流程图；图2为生成视盘区模板的实例图，其中(2a)为眼底图像，(2b)为生成的视盘区模板；图3为视盘区边界椭圆模拟示意图，其中(3a)为点集图，(3b)为利用快速椭圆拟合算法处理点集得到的视盘区边界图；图4为不同眼底图像检测视盘区的实例演示图，其中(4a)为眼底图像1，(4b)为眼底图像2，(4c)为眼底图像3，(4d)为眼底图像4，(4e)为眼底图像5，(4f)本文档来自技高网...

【技术保护点】
一种基于血管收敛的视盘区定位方法，用于对眼底图像的视盘区进行定位，其特征在于，所述方法包括下列步骤：1)利用最小二乘分类器分割出眼底图像的初始视盘区；2)根据血管收敛位置计算步骤1)中分割出的初始视盘区的中心；3)计算步骤2)中初始视盘区的中心的各个方向上梯度值最大的点，构成点集，利用快速椭圆拟合算法处理点集，得到视盘区边界并确定视盘区。

【技术特征摘要】
1.一种基于血管收敛的视盘区定位方法，用于对眼底图像的视盘区进行定位，其特征在于，所述方法包括下列步骤：1)利用最小二乘分类器分割出眼底图像的初始视盘区；2)根据血管收敛位置计算步骤1)中分割出的初始视盘区的中心；3)计算步骤2)中初始视盘区的中心的各个方向上梯度值最大的点，构成点集，利用快速椭圆拟合算法处理点集，得到视盘区边界并确定视盘区。2.根据权利要求1所述的基于血管收敛的视盘区定位方法，其特征在于，所述最小二乘分类器包括CSK跟踪器。3.根据权利要求1所述的基于血管收敛的视盘区定位方法，其特征在于，所述步骤1)具体为：11)将眼底图像划分为多个大小为M×N的图像块；12)对步骤11)中划分得到的每一个图像块中的每一个像素pm,n进行预处理，得到处理后的像素G(m,n)，其中1≤m≤M，1≤n≤N；13)利用最小二乘分类器遍历所有图像块，将图像块与视盘区模板进行匹配检测，并根据步骤12)中得到的G(m,n)计算每个图像块的检测分数；14)选取最大检测分数对应的图像块，即为分割出的眼底图像的初始视盘区。4.根据权利要求3所述的基于血管收敛的视盘区定位方法，其特征在于，所述处理后的像素G(m,n)具体为：G(m,n)=12πσ2e-(m2+n2)/(2σ2)]]>其中，σ为正态分布的标准差。5.根据权利要求3所述的基于血管收敛的视盘区定位方法，其特征在于，所述检测分数具体为：其中，St为每一个图像块的检测分数，为离散傅里叶变换，为离散傅里叶反变换，κ为点积操作，a(m,n)具体为：其中，p为图像块，λ为正则化参数。6.根据权利要求1所述的基于血管收敛的视盘区定位方法，其特征在于，所述步骤2)具体为：21)对步骤1)中得到的初始视盘区依次进行中值滤波和二值化血管分割，完成血管的提取；22)利用垂直的矩...

【专利技术属性】
技术研发人员：盛斌，邢思凯，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31