【技术实现步骤摘要】
一种基于ELM的眼底图像视网膜血管分割方法
本专利技术属于图像处理领域,特别涉及一种基于ELM的眼底图像视网膜血管分割方法。
技术介绍
彩色眼底图像是唯一可以通过非创伤方式直接拍摄获取人体微血管网络的图像,医生通过眼底图像可以清晰地观察位于眼底的视盘、黄斑及视网膜微血管网络。而对眼底图像的血管分析,它的形状、管径、尺度、分支角度是否有变化,以及是否有增生、渗出,是当前诊断眼疾病以及糖尿病、高血压等全身性心脑血管疾病的重要依据之一。随着眼底图像数据的急剧增长,医生如果仅靠人工观察和经验诊断不仅效率低而且主观性强。因此,使用计算机来自动检测和分割眼底图像中的血管网络具有重要的临床意义。根据眼底图像中视网膜血管具备的树状结构,血管宽度阈值,分支角度等特性,针对其固有特征进行血管分割。从图像处理的角度看,可以大致分为以下五类分割算法:基于血管跟踪的方法,基于匹配滤波的方法,基于形态学处理的方法,基于形变模型的方法和基于机器学习的方法。这些方法中,血管分割精度最高的是基于机器学习的方法。以机器学习方法为主其他方法为辅相结合,是目前最常用的血管分割方法。例如,Staal等人提出了一种基于脊线的监督的血管分割方法来自动筛查糖尿病视网膜病变。Soares等人提出了一种用二维Gabor小波和监督分类来自动分割视网膜血管的方法。眼底图中每个像素点有一个特征向量表征,该特征向量由像素点的灰度特征和各个尺度上的二维Gabor小波变换响应组成。然后用高斯混合模型分类器将图像中的像素点分为血管点和非血管点两类。该方法在DRIVE和STARE数据库上实验,平均精确度分别达到94.66% ...
【技术保护点】
一种基于ELM的眼底图像视网膜血管分割方法,其特征在于,包括以下步骤:步骤1:对训练集中已知标定结果的眼底图像中的每个像素点提取39维特征向量;所述39维特征向量包括29维局部特征向量、1维Hessian矩阵图像特征、6维形态学特征以及3维梯度场特征;所述29维局部特征向量包括1维灰度值特征、24维高斯尺度空间滤波特征以及4维LOG特征;所述6维形态学特征是对眼底图像进行Bottom‑Hat变换获得的6维特征;所述3维梯度场特征包括2维梯度特征和1维散度特征;所述2维梯度特征是通过计算每个像素梯度的模值和方向所获得的2维特征;步骤2:从训练集中随机选取像素点,利用所选像素点的39维特征向量和像素点对应的标记分类结果训练ELM神经网络分类模型,获取ELM神经网络模型中输出权重β,确定ELM神经网络分类模型;步骤3:将待分割的眼底图像按照步骤1的内容提取每个像素点的39维特征向量,并利用步骤2获得的ELM神经网络分类模型对每个像素点进行分类识别,完成眼底图像的分割。
【技术特征摘要】
1.一种基于ELM的眼底图像视网膜血管分割方法,其特征在于,包括以下步骤:步骤1:对训练集中已知标定结果的眼底图像中的每个像素点提取39维特征向量;所述39维特征向量包括29维局部特征向量、1维Hessian矩阵图像特征、6维形态学特征以及3维梯度场特征;所述29维局部特征向量包括1维灰度值特征、24维高斯尺度空间滤波特征以及4维LOG特征;所述6维形态学特征是对眼底图像进行Bottom-Hat变换获得的6维特征;所述3维梯度场特征包括2维梯度特征和1维散度特征;所述2维梯度特征是通过计算每个像素梯度的模值和方向所获得的2维特征;步骤2:从训练集中随机选取像素点,利用所选像素点的39维特征向量和像素点对应的标记分类结果训练ELM神经网络分类模型,获取ELM神经网络模型中输出权重β,确定ELM神经网络分类模型;步骤3:将待分割的眼底图像按照步骤1的内容提取每个像素点的39维特征向量,并利用步骤2获得的ELM神经网络分类模型对每个像素点进行分类识别,完成眼底图像的分割。2.根据权利要求1所述的方法,其特征在于,采用二维高斯滤波计算所述24维高斯尺度空间滤波特征以及4维LOG特征时所采用的尺度为所述24维高斯尺度空间滤波特征是对眼底图像在4个不同尺度进行二维高斯滤波、二维高斯滤波的一阶偏导以及二维高斯滤波的二阶偏导处理得到。3.根据权利要求1所述的方法,其特征在于,采用二阶高斯导数滤波获取1维Hessian矩阵图像特征时,所使用的尺度为4.根据权利要求1-3任一项所述的方法,其特征在于,所述训练ELM神经网络分类模型的过程如下:首先,输入训练数据;所述输入的训练数据包括已知分类结果像素点的39维特征向量和像素点的标记分类结果;其次,设置隐含层节点个数,利用像素点的分类预测结果作为ELM神经网络模型的输出数据,并随机初始化每个像素点的输入权重和隐含层节点的偏置;最后,不断输入训练数据,当ELM神经网络模型的输出的像素点的分类预测结果与像素点的标记分类结果均为0时,获得ELM神经网络模型中隐含层中的输出权重β,完成ELM神经网络分类模型...
【专利技术属性】
技术研发人员:邹北骥,崔锦恺,朱承璋,张子谦,陈瑶,
申请(专利权)人:中南大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。