当前位置: 首页 > 专利查询>代黎明专利>正文

眼底图像预处理方法及系统和微血管瘤检测方法及系统技术方案

技术编号:20920458 阅读:43 留言:0更新日期:2019-04-20 10:31
本发明专利技术公开了一种眼底图像预处理方法及系统和微血管瘤检测方法及系统,预处理方法包括:采用基于高斯滤波的图像增强算法对当前读取到的原始眼底图像进行图像增强处理,获取增强眼底图像;对增强眼底图像进行去噪处理,得到去噪眼底图像;对于去噪眼底图像,采用基于矩形拟合圆的图像扩增方法对去噪眼底图像进行扩增,得到最终的扩增眼底图像。其通过对原始眼底图像进行预处理,使得后续对眼底图像进行微血管瘤的检测时,能够有效降低血管影像对于微血管瘤的影响,并且提高微血管瘤检测的准确性,最终有效解决了传统的眼底图像的微血管瘤检测方法准确性较低的问题。

Fundus image preprocessing method, system and microangioma detection method and system

The invention discloses a fundus image pre-processing method and a system for detecting microangioma. The pre-processing method includes: image enhancement based on Gauss filter is used to enhance the original fundus image currently read to obtain the enhanced fundus image; denoising the enhanced fundus image to obtain the denoised fundus image; and denoising the denoised fundus image to obtain the denoised fundus image. The image is amplified by the method of image expansion based on rectangular fitting circle, and the final enlarged fundus image is obtained. By preprocessing the original fundus image, the subsequent detection of microangioma in fundus image can effectively reduce the impact of angiography on microangioma, and improve the accuracy of microangioma detection. Finally, the problem of low accuracy of traditional fundus image microangioma detection method is effectively solved.

【技术实现步骤摘要】
眼底图像预处理方法及系统和微血管瘤检测方法及系统
本专利技术涉及医学图像处理
,特别是涉及一种眼底图像预处理方法及系统和微血管瘤检测方法及系统。
技术介绍
微血管瘤作为非增殖型糖尿病视网膜病变(NPDR)眼底图像中最先表现出来的病症,在诊断中很容易被医生漏诊。目前,眼底图像的微血管瘤提取方法大多采用传统图像处理技术与小样本量的统计机器学习模型相融合的方法。该方法依赖于图像分割效果以及特征选择的方式,通常情况下需要多种图像处理方法的组合最终生成候选图像区域的特征向量。但是,多种图像处理方法的叠加使得图像在每一次处理中都会存在增加假阳性或假阴性的风险。并且,传统的眼底图像的微血管瘤提取方法中所使用的数据量较少,统计机器学习方法很容易过拟合,因而很难保证算法的鲁棒性和泛化性,由此影响了微血管瘤检测的准确性。
技术实现思路
基于此,有必要针对传统的眼底图像的微血管瘤检测方法准确性较低的问题,提供一种眼底图像预处理方法及系统和微血管瘤检测方法及系统。基于上述目的,本专利技术提供的一种眼底图像预处理方法,包括如下步骤:采用基于高斯滤波的图像增强算法对当前读取到的原始眼底图像进行图像增强处理,获取增强眼底图像;对所述增强眼底图像进行去噪处理,得到去噪眼底图像;对于所述去噪眼底图像,采用基于矩形拟合圆的图像扩增方法对所述去噪眼底图像进行扩增,得到最终的扩增眼底图像。在其中一个实施例中,所述采用基于高斯滤波的图像增强算法对当前读取到的原始眼底图像进行图像增强处理,获取增强眼底图像,包括如下步骤:根据计算公式:对所述原始眼底图像做高斯滤波操作,得到滤波后的眼底图像;根据公式:Ienhance=α·Iori+β·Igaussian+λ,将所述原始眼底图像和所述滤波后的眼底图像进行加权融合,得到所述增强眼底图像;其中,Iori为所述原始眼底图像,Igaussian为所述滤波后的眼底图像,G(x,y)为二维高斯滤波函数,Ienhance为所述增强眼底图像,α和β用于调整所述增强眼底图像的显色范围,γ用于调整所述增强眼底图像的灰阶偏置。在其中一个实施例中,对所述增强眼底图像进行去噪处理,得到去噪眼底图像,包括如下步骤:对所述增强眼底图像进行定位,定位出所述增强眼底图像中近圆形成像区域的几何中心点O(x,y);计算所述近圆形成像区域的几何半径;基于计算出的所述几何半径和定位得到的所述几何中心点,画出圆形区域,并根据所述成像区域的形状,对超出成像区域的部分做镜像处理;以所述圆形区域的直径作为对角线,在所述圆形成像区域剪切矩形影像作为所述去噪眼底图像。在其中一个实施例中,所述计算所述近圆形成像区域的几何半径,包括如下步骤:扫描所述增强眼底图像,通过扫描得到所述增强眼底图像的第一矩形图像对角线AB、第二矩形图像对角线CD和一条过所述矩形图像中心点的水平线EF;将所述增强眼底图像进行灰度化,并对所述第一矩形图像对角线AB、所述第二矩形图像对角线CD和所述水平线EF的像素值进行二值化处理;分别计算出带有方向性的所述第一矩形图像对角线AB、所述第二矩形图像对角线CD和所述水平线EF二值化后中像素值为255的第一个像素点和最后一个像素点的位置;分别计算出线段OA、线段OB、线段OC、线段OD、线段OE和线段OF的长度,并去除最长的两个线段和最短的两个线段后,对剩余的两个线段做平均估计作为所述圆形成像区域的几何半径。在其中一个实施例中,所述根据所述成像区域的形状,对超出成像区域的部分做镜像处理,包括如下步骤:判断所述成像区域的形状是否为截断圆形;当判断出所述成像区域的形状为所述截断圆形时,对超出所述成像区域的部分做镜像处理;当判断出所述成像区域的形状为圆形时,则不进行处理。在其中一个实施例中,所述采用基于矩形拟合圆的图像扩增方法对所述去噪眼底图像进行扩增,得到最终的扩增眼底图像,包括如下步骤:对所述圆形成像区域内的所述矩形影像进行定位,并将所述矩形影像按照预设旋转角度进行旋转,得到不同旋转视角的图像,对所述去噪眼底图像进行扩增。相应的,基于同一专利技术构思,本专利技术还提供了一种眼底图像预处理系统,包括图像增强模块、图像去噪模块和图像扩增模块;所述图像增强模块,用于采用基于高斯滤波的图像增强算法对当前读取到的原始眼底图像进行图像增强处理,获取增强眼底图像;所述图像去噪模块,用于对所述增强眼底图像进行去噪处理,得到去噪眼底图像;所述图像增强模块,用于对于所述去噪眼底图像,采用基于矩形拟合圆的图像扩增方法对所述去噪眼底图像进行扩增,得到最终的扩增眼底图像。在其中一个实施例中,所述图像增强模块包括图像滤波子模块和图像加权融合子模块;其中,所述图像滤波子模块,用于根据计算公式:对所述原始眼底图像做高斯滤波操作,得到滤波后的眼底图像;所述图像加权融合子模块,用于根据公式:Ienhance=α·Iori+β·Igaussian+λ,将所述原始眼底图像和所述滤波后的眼底图像进行加权融合,得到所述增强眼底图像;其中,Iori为所述原始眼底图像,Igaussian为所述滤波后的眼底图像,G(x,y)为二维高斯滤波函数,Ienhance为所述增强眼底图像,α和β用于调整所述增强眼底图像的显色范围,γ用于调整所述增强眼底图像的灰阶偏置。相应的,基于同一专利技术构思,本专利技术还提供了一种微血管瘤检测方法,包括如下步骤:读取采集到的原始眼底图像,采用前面任一所述的眼底图像预处理方法对所述原始眼底图像进行预处理,获取处理后的眼底图像;使用基于深度学习的血管分割模型对处理后的所述眼底图像进行血管影像提取,得到去除血管影像后的待检测眼底图像;使用基于深度学习的目标检测模型对所述待检测眼底图像进行微血管瘤的检测。相应的,基于同一专利技术构思,本专利技术还提供了一种微血管瘤检测系统,其特征在于,包括图像预处理模块、图像分割模块和图像检测模块;所述图像预处理模块,用于读取采集到的原始眼底图像,采用前面任一所述的眼底图像预处理方法对所述原始眼底图像进行预处理,获取处理后的眼底图像;所述图像分割模块,用于使用基于深度学习的血管分割模型对处理后的所述眼底图像进行血管影像提取,得到去除血管影像后的待检测眼底图像;所述图像检测模块,用于使用基于深度学习的目标检测模型对所述待检测眼底图像进行微血管瘤的检测。上述眼底图像预处理方法,通过先采用基于高斯滤波的图像增强算法对当前读取到的原始眼底图像进行图像增强处理,降低了不同眼底图像的明显色差,而且保留了深红色微血管瘤与暗灰色镜头污点的色调;然后再在增强处理后的眼底图像的基础上进行去噪处理,以去除眼底图像中非成像区域对于后续微血管瘤检测时所采用的训练模型的干扰,提高训练模型中成像区域的图像分辨率;最后再在去噪处理后的眼底图像基础上采用基于矩形拟合圆的图像扩增方法进行图像扩增处理,以弥补去噪时去除的成像区域,保证成像区域的完整性,从而使得后续对眼底图像进行微血管瘤的检测时,能够有效降低血管影像对于微血管瘤的影响,并且提高微血管瘤检测的准确性,最终有效解决了传统的眼底图像的微血管瘤检测方法准确性较低的问题。附图说明图1为本专利技术的眼底图像预处理方法的一具体实施例的流程图;图2为拍摄出的眼底图像中成像区域为圆形的形状示意图;图3为拍摄出的眼底图像中成像区域为截断圆形的形状示本文档来自技高网...

【技术保护点】
1.一种眼底图像预处理方法,其特征在于,包括如下步骤:采用基于高斯滤波的图像增强算法对当前读取到的原始眼底图像进行图像增强处理,获取增强眼底图像;对所述增强眼底图像进行去噪处理,得到去噪眼底图像;对于所述去噪眼底图像,采用基于矩形拟合圆的图像扩增方法对所述去噪眼底图像进行扩增,得到最终的扩增眼底图像。

【技术特征摘要】
1.一种眼底图像预处理方法,其特征在于,包括如下步骤:采用基于高斯滤波的图像增强算法对当前读取到的原始眼底图像进行图像增强处理,获取增强眼底图像;对所述增强眼底图像进行去噪处理,得到去噪眼底图像;对于所述去噪眼底图像,采用基于矩形拟合圆的图像扩增方法对所述去噪眼底图像进行扩增,得到最终的扩增眼底图像。2.根据权利要求1所述的眼底图像预处理方法,其特征在于,所述采用基于高斯滤波的图像增强算法对当前读取到的原始眼底图像进行图像增强处理,获取增强眼底图像,包括如下步骤:根据计算公式:对所述原始眼底图像做高斯滤波操作,得到滤波后的眼底图像;根据公式:Ienhance=α·Iori+β·Igaussian+λ,将所述原始眼底图像和所述滤波后的眼底图像进行加权融合,得到所述增强眼底图像;其中,Iori为所述原始眼底图像,Igaussian为所述滤波后的眼底图像,G(x,y)为二维高斯滤波函数,Ienhance为所述增强眼底图像,α和β用于调整所述增强眼底图像的显色范围,γ用于调整所述增强眼底图像的灰阶偏置。3.根据权利要求1所述的眼底图像预处理方法,其特征在于,所述对所述增强眼底图像进行去噪处理,得到去噪眼底图像,包括如下步骤:对所述增强眼底图像进行定位,定位出所述增强眼底图像中近圆形成像区域的几何中心点O(x,y);计算所述近圆形成像区域的几何半径;基于计算出的所述几何半径和定位得到的所述几何中心点,画出圆形区域,并根据所述成像区域的形状,对超出成像区域的部分做镜像处理;以所述圆形区域的直径作为对角线,在所述圆形成像区域剪切矩形影像作为所述去噪眼底图像。4.根据权利要求3所述的眼底图像预处理方法,其特征在于,所述计算所述近圆形成像区域的几何半径,包括如下步骤:扫描所述增强眼底图像,通过扫描得到所述增强眼底图像的第一矩形图像对角线AB、第二矩形图像对角线CD和一条过所述矩形图像中心点的水平线EF;将所述增强眼底图像进行灰度化,并对所述第一矩形图像对角线AB、所述第二矩形图像对角线CD和所述水平线EF的像素值进行二值化处理;分别计算出带有方向性的所述第一矩形图像对角线AB、所述第二矩形图像对角线CD和所述水平线EF二值化后中像素值为255的第一个像素点和最后一个像素点的位置;分别计算出线段OA、线段OB、线段OC、线段OD、线段OE和线段OF的长度,并去除最长的两个线段和最短的两个线段后,对剩余的两个线段做平均估计作为所述圆形成像区域的几何半径。5.根据权利要求3所述的眼底图像预处理方法,其特征在于,所述根据所述成像区域的形状,对超出成像区域的部分做镜像处理,包括如下步骤:判断所述成像区域的形状是否为截断圆形;当判断出所...

【专利技术属性】
技术研发人员:姜泓羊高孟娣杨康代黎明
申请(专利权)人:代黎明
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 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。

1