【技术实现步骤摘要】
图像处理方法、装置、设备及可读存储介质
本申请实施例涉及人工智能中的图像处理
，尤其涉及一种图像处理方法、装置、设备及可读存储介质。
技术介绍
眼底病是视网膜、眼部血管或视觉神经等受损导致的一类眼部疾病，已成为致盲的主要原因之一。眼部血管的物理改变和病理改变与青光眼、高血压视网膜病变等多种眼部疾病相关。通常采用机器模型对眼底图进行分析。机器模型训练过程中，收集大量眼底图并进行标记从而得到训练数据，然后通过机器学习等方法得到性能比较高的机器模型。例如，收集大量带有血管位置标注的训练数据，训练出血管分割模型。后续利用血管分割模型即可得到血管区域概率图，以辅助其他眼底生理结构的提取和多种眼部疾病的筛查。然而，收集眼底图并进行标注的过程极为费时，实践中难以进行大规模标注，这为人工智能系统的构建带来了极大的时间和经费成本。此外，由于受拍摄光照条件、眼底血管异常等因素影响，眼底的局部外在表征会发生明显变化，如出现血管白鞘等。倘若这种局部表征多样性在训练样本构建时未被考虑，则训练出的机器模型的鲁棒性交叉，难以应用于现实场景中...
【技术保护点】
1.一种图像处理方法，包括：/n利用原始图像，获取血管区域概率图，所述血管区域概率图用于指示所述原始图像中每个像素点是血管像素点的概率；/n利用所述血管区域概率图和所述原始图像，生成扩充样本；/n利用所述扩充样本训练出的机器模型处理目标图像。/n
【技术特征摘要】
1.一种图像处理方法，包括：
利用原始图像，获取血管区域概率图，所述血管区域概率图用于指示所述原始图像中每个像素点是血管像素点的概率；
利用所述血管区域概率图和所述原始图像，生成扩充样本；
利用所述扩充样本训练出的机器模型处理目标图像。
2.根据权利要求1所述的方法，其中，所述利用所述血管区域概率图和所述原始图像，生成扩充样本，包括：
利用所述血管区域概率图，确定颜色通道对应的血管区域关注图，所述颜色通道包括红R通道、绿G通道或蓝B通道中的至少一个，所述血管区域关注图用于指示所述原始图像的像素点通道值的变化幅度；
利用所述血管区域关注图和所述原始图像，生成扩充样本。
3.根据权利要求2所述的方法，其中，所述利用所述血管区域关注图和所述原始图像，生成扩充样本，包括：
利用所述血管区域关注图，调整所述原始图像中像素点的灰度，以得到所述扩充样本。
4.根据权利要求3所述的方法，其中，所述血管区域关注图包括所述R通道对应的R通道血管区域关注图、所述G通道对应的G通道血管区域关注图和所述B通道对应的B通道血管区域关注图，所述利用所述血管区域关注图，调整所述原始图像中像素点的灰度，以得到所述扩充样本，包括：
根据所述R通道血管区域关注图，确定所述原始图像中像素点的R通道值的第一变化幅度，根据所述第一变化幅度调整所述像素点的R通道值；
根据所述G通道血管区域关注图，确定所述原始图像中像素点的G通道值的第二变化幅度，根据所述第二变化幅度调整所述像素点的G通道值；
根据所述B通道血管区域关注图，确定所述原始图像中像素点的B通道值的第三变化幅度，根据所述第三变化幅度调整所述像素点的B通道值；
根据调整后的R通道值、调整后的G通道值和调整后的B通道值确定所述原始图像中像素点的灰度，以得到所述扩充样本。
5.根据权利要求2-4任一项所述的方法，其中，所述利用所述血管区域概率图，确定颜色通道对应的血管区域关注图，包括：
确定随机系数；
利用所述随机系数与所述血管区域概率图，确定颜色通道对应的血管区域关注图。
6.根据权利要求5所述的方法，其中，所述R通道、所述G通道或所述B通道分别对应的随机系数不同。
7.根据权利要求1-4任一项所述的方法，其中，所述利用所述扩充样本训练出的机器模型处理目标图像，包括：
利用所述扩充样本训练出机器模型；
将所述目标图像输入至所述机器模型；
利用所述机器模型获取所述目标图像的血管分割图。
8.一种图像处理装置，其中，包括：
获取模块，用于利用原始图像，获取血管区域概率图，所述血管区域概率图用于指示所述原始图像中每个像素点是血管像素点的概率；
生成模块，用于利用所述血管区域概率图和所述原始图像，生成扩充样本；
处理模块，用于利用所述扩充样本训练出的机器模...
【专利技术属性】
技术研发人员：孙旭，杨叶辉，王磊，许言午，黄艳，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11
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。