一种视网膜图像平行处理方法及装置制造方法及图纸

本发明专利技术属于图像处理技术领域，尤其涉及一种视网膜图像平行处理方法，包括：步骤1：采用混沌供需算法优化目标函数，对真实视网膜图像进行增强；步骤2：基于混合图像生成方法合成虚拟视网膜图像；步骤3：基于虚拟视网膜图像及增强后的真实视网膜图像，构建平行多层分解区间二型直觉模糊卷积神经网络模型；步骤4：将多个平行多层分解区间二型直觉模糊卷积神经网络模型的输出进行集成，作为最终分类结果；本发明专利技术还公开一种视网膜图像平行处理装置，包括：图像增强模块、虚拟视网膜图像生成模块、模型构建模块及集成模块。本发明专利技术克服了视网膜图像训练数据样本数量和质量无法保证的难题，提高了视网膜图像特征提取和分类识别的准确性。

【技术实现步骤摘要】
一种视网膜图像平行处理方法及装置
本专利技术属于图像处理
，尤其涉及一种视网膜图像平行处理方法及装置。
技术介绍
目前视网膜图像中相关目标的处理多数采用手动设计的方式。这种方式无论是在精确度还是在客观性上都有极大的局限性。得益于计算机软硬件技术的快速发展和计算机视觉技术的日臻成熟，研究者试图寻找一种高效智能的方式，能够在排除主观干扰的前提下自动处理视网膜图像的相关特征，为相应的应用领域，例如生物特征识别技术提供更加可靠有效的技术保障。林机鹏(林机鹏，眼底视网膜图像处理与分析关键技术研究[D]，华侨大学，2019.)采用小波域MRF的模型进行分割，该模型结合了视网膜图像的先验知识，提供像素间的约束信息，提高了分割的精确度；在模型参数的估计上，采用期望最大化EM算法，一定程度上提高了参数估计的收敛效率。殷婷婷(殷婷婷，基于计算机视觉的视网膜图像处理关键技术研究[D]，长春工业大学，2018.)通过YIQ空间亮度信息进行图像的视场提取，通过腐蚀操作得到有效信息区域；接着通过高斯函数结合Hessian矩阵构造多尺度线性滤波器对血管的特征进行增强处本文档来自技高网...

【技术保护点】
1.一种视网膜图像平行处理方法，其特征在于，包括：/n步骤1：采用混沌供需算法优化目标函数，对真实视网膜图像进行增强；/n步骤2：基于混合图像生成方法合成虚拟视网膜图像；/n步骤3：基于虚拟视网膜图像及增强后的真实视网膜图像，构建平行多层分解区间二型直觉模糊卷积神经网络模型；/n步骤4：将多个平行多层分解区间二型直觉模糊卷积神经网络模型的输出进行集成，作为最终分类结果。/n

【技术特征摘要】
1.一种视网膜图像平行处理方法，其特征在于，包括：
步骤1：采用混沌供需算法优化目标函数，对真实视网膜图像进行增强；
步骤2：基于混合图像生成方法合成虚拟视网膜图像；
步骤3：基于虚拟视网膜图像及增强后的真实视网膜图像，构建平行多层分解区间二型直觉模糊卷积神经网络模型；
步骤4：将多个平行多层分解区间二型直觉模糊卷积神经网络模型的输出进行集成，作为最终分类结果。


2.根据权利要求1所述的一种视网膜图像平行处理方法，其特征在于，所述步骤1包括：
步骤1.1：对输入原始真实视网膜图像进行函数变换M，进而得到输出增强图像，即
EI(i，j)＝M(I(i，j)|θ)(1)
其中，I(i，j)表示输入视网膜图像局部，EI(i，j)表示对应的增强的视网膜图像局部，i，j＝1，2，...，n；θ＝(r，β，ρ，σ)是函数的待定参数；表示图像增强函数，表示图像局部像素平均，表示图像局部像素均方差，P(p，q)表示像素，n表示图像局部像素数目，P表示全体像素的均值；
步骤1.2：根据图像增强要达到的要求设定相应的目标函数J(θ)，采用混沌供需优化算法得到目标函数最优时的参数值，从而得到合理的图像增强变换函数，进而得到符合要求的增强视网膜图像：
J(θ)＝npe(EI(θ))×log(log(EI(θ)))×entropy(EI(θ))(2)
其中J(θ)表示目标函数；npe(EI(θ))表示图像边缘像素数目，log(log(EI(θ)))表示图像边缘密度的Sobel算子，其中pt表示增强图像第t亮度级概率；
所述混沌供需优化算法包括：
步骤1.2.1：初始化市场种群：
种群的数目是Np，种群中产品价格向量pi和产品数量向量qi的维度是dim(θ)＝4，根据参数向量θ＝(r，β，ρ，σ)中每一维参数的搜索范围确定pi和qi的取值空间
对于pij和qij分别取单位区间内均匀分布的随机数，得到初始单位产品价格种群pi(0)和数量种群qi(0)；
然后采用pij(0)和qij(0)分别作为初值迭代计算二维Ikeda映射；经过混沌迭代，得到候选初始产品价格种群pi和数量种群qi，1≤i≤NpNT，NT表示迭代次数；
然后对每一维pij和qij进行线性变换，得到候选初始产品价格和数量
根据公式(2)分别计算种群中每个产品价格和数量的目标函数值和分别进行归一化，然后两者分别与服从均匀分布的随机数比较大小，从中选取Np个产品价格和数量分别组成初始产品价格和数量种群；
步骤1.2.2：确定参数值，计算初始最优产品：
比较初始种群中产品价格和数量的目标函数值的大小，如果满足则被代替；目标函数值最大的产品价格
步骤1.2.3：当迭代次数t≤Ter时，Ter表示最大迭代数目，执行以下迭代过程：
计算种群产品数量目标函数的绝对方差，归一化后根据轮盘赌方法选择产品数量作为平衡点对于产品价格平衡点的确定分为两个阶段：1、当迭代次数t≤Ter/2时，首先计算种群产品价格目标函数的绝对方差，再归一化，最后根据轮盘赌原理选择产品价格作为平衡点2、当迭代次数t＞Ter/2时，采用种群产品价格的平均作为平衡点；
比较目标函数值，若则被代替，如果则否则保持不变；如果连续迭代十次，均保持不变，而迭代仍未到达Ter，则采用logistic混沌映射进行扰动；
步骤1.2.4：当迭代结束时，输出最优解则增强图像即为所求增强视网膜图像。


3.根据权利要求1所述的一种视网膜图像平行处理方法，其特征在于，所述步骤2包括：
步骤2.1：对实际采集的视网膜图像采用几何变换方法初步生成虚拟视网膜图像：
输入真实视网膜图像RImi，几何变换算子Tg分别作用于真实图像，得到虚拟视网膜图像SImj，i＝1，2，...，n，j＝1，2，...，m
SImj＝Tg(RImi)(7)
其中Tg可以是翻转、裁剪、旋转、平移几...

【专利技术属性】
技术研发人员：赵亮，周川，冯晓霞，李晶晶，刘园园，司冉冉，谢志峰，付园坤，金军委，张坤鹏，张磊，石世猛，王天赐，刘东江，李萌，石志远，
申请(专利权)人：河南工业大学，郑州大学第二附属医院，
类型：发明
国别省市：河南;41