一种视网膜OCT图像水平配准和图像增强方法技术

本申请实施例公开一种视网膜OCT图像水平配准和图像增强方法，该方法包括以下步骤：S1、图像配准：将待配准图与基准图一一进行配准，配准方向包括垂直方向与水平方向；S2、图像处理与结果获取：将配准后的图像和基准图进行叠加平均，对平均图分出外核层ONL，对图像中外核层ONL以上的像素进行加权自适应伽马校正AGCWD，以进一步增强对比度，得到最终的结果。本申请的视网膜OCT图像水平配准和图像增强方法，在使用任意一张待配准图与基准图配准时，优化配准流程，提升水平方向上的配准精度与速度。同时，还对平均后图像中外核层ONL以上部分进行局部对比度增强，进一步提升图像质量，使得层次结构与细节特征更加鲜明与突出。得层次结构与细节特征更加鲜明与突出。得层次结构与细节特征更加鲜明与突出。

【技术实现步骤摘要】
一种视网膜OCT图像水平配准和图像增强方法


[0001]本申请涉及视网膜图像处理方法
，具体是一种视网膜OCT图像水平配准和图像增强方法。

技术介绍

[0002]光学相干断层扫描成像(Optical Coherence Tomography，OCT)因具有高分辨率、无损伤等特点，在眼科领域特别是眼底视网膜和脉络膜的组织成像观测中广泛应用。散斑噪声由光源热噪声和生物组织随机散射等引起，是OCT系统的固有噪声，难以使用基于硬件的设计方法去除，从而降低了OCT图像的对比度并且可能会遮挡视网膜的细节特征，影响对相关组织结构异常的辨识和判断。OCT设备可以对同一位置进行扫描多次以获取多幅眼底图像，通过配准平均以得到高清图像。但因人眼在拍摄过程中不自觉的微小位移而导致OCT图像出现几十个像素以上的偏移，不配准而直接平均将导致得到的图像模糊，视网膜分层结构与细节特征变得难以分辨，因此需要精确的配准以得到清晰的图像。
[0003]现有技术[1]-《“Enhancing the signal-to-noise ratio in ophthalmic optical coherence tomography by image registration—method and clinical examples”，Journal of Biomedical Optics，12(4)，041208(2007)》中公开了一种方法是在轴向上运用正则动态规划技术校正轴向偏移，在水平方向上通过计算一系列位置的互相关度来获取最佳配准位置。该方法首次提出了基于水平与垂直方向的配准技术并有较佳的临床实例，但在水平方向上需要一个个位置进行计算，难以在短时间内进行较大范围的横向配准，计算效率较低。
[0004]现有技术[2]-申请号为CN106504228A的中国专利《“一种眼科OCT图像的大范围高清快速配准方法”》尝试解决这一问题，该方法在横向上使用二分法来进行水平运动伪差校正，通过比较配准范围两端的图像互相关度值以确定配准方向并缩小范围，逐次迭代直至找到最佳配准位置。这样做极大地减少了运算量，提高了配准算法的运算效率。但实际情况中越偏离图像最佳配准位置处计算相似度越容易产生误差，可能导致第一次迭代后配准方向选择错误，从而进行了无效配准。另外，通过配准平均得到的图像中，光反射率较大的脉络膜至外核层ONL(outer nuclear layer，外核层)亮度较大，受平均的影响较小。但在反射率较低的结构中(即视网膜外核层ONL以上部分，称为内视网膜区域)，经过平均，其亮度值会轻微降低，导致局部对比度较低，层次结构分辨不清。
[0005]综上，现有技术中存在下列问题：传统方法需要进行较为复杂的互相关度计算，计算时间成本高；传统方法需要一个个位置进行计算，难以在短时间内进行较大范围的横向配准，另外所提出的二分法会出现首次迭代时配准方向选择错误的情况，从而导致了无效配准，配准准确性受到影响；传统方法在平均后视网膜层次较为模糊，特别是反射率较低的内视网膜区域经过平均后，其亮度值会轻微降低，导致局部对比度较低。

技术实现思路

[0006]本申请旨在解决上述技术问题，提供一种视网膜OCT图像水平配准和图像增强方法，在使用任意一张待配准图与基准图配准时，优化配准流程，提升水平方向上的配准精度与速度。同时，还对平均后图像中外核层ONL以上部分进行局部对比度增强，进一步提升图像质量，使得层次结构与细节特征更加鲜明与突出。
[0007]为实现上述目的，本申请公开了一种视网膜OCT图像水平配准和图像增强方法，该方法包括以下步骤：
[0008]S1、图像配准：将待配准图与基准图一一进行配准，配准方向包括垂直方向与水平方向；
[0009]S2、图像处理与结果获取：将配准后的图像和基准图进行叠加平均，对平均图分出外核层ONL，对图像中外核层ONL以上的像素进行加权自适应伽马校正AGCWD，以进一步增强对比度，得到最终的结果。
[0010]作为优选，所述S1图像配准具体包括：
[0011]S1-1、将基准图与第i幅待配准图每隔s_col列进行采样，认定采样列的轴向偏移与采样列所在s_col列的轴向偏移是一致的；
[0012]S1-2、将第i幅采样后的待配准图向左偏移R个像素，R为所设定的待配准图最大的水平偏移距离；将当前爬山位置记为p_cur＝-R，进行轴向配准，根据评价函数计算与采样后的基准图的相关系数并给予保留；然后进行步骤S1-3；
[0013]S1-3、将当前爬山位置处的图像继续向右偏移step个像素，再进行轴向配准，根据评价函数得到对应位置的相关系数并给予保留，当前位置变成p_cur＝p_cur+step，其中step为所设定的初始爬山步长；重复操作直至当前位置的相关系数小于前一位置的相关系数；当当前位置的相关系数小于前一位置的相关系数时，改变移动方向，将步长缩短至一半，即step
’
＝step/2，进入步骤S1-4；
[0014]S1-4、将当前爬山位置处的图像向左偏移step
’
个像素，当前位置更新为p_cur＝p_cur-step；判断是否存在当前位置的相关系数，若不存在，继续进行轴向配准，根据评价函数计算得到该位置的相关系数并给予保留；重复操作直至当前位置的相关系数小于前一位置的相关系数；当当前位置的相关系数小于前一位置的相关系数时，改变移动方向，将步长缩短至一半，step”＝step/2，进入步骤S1-5；
[0015]S1-5、重复步骤S1-3与步骤S1-4步骤，直至step”<1；若当step”<1，则前一爬山位置即为此幅图像的最佳水平偏移位置，经前一爬山位置偏移再做轴向配准后，得到的图像即为第i幅配准后图像；
[0016]S1-6、参照步骤S1-1～步骤S1-5，将剩余待配准图像与基准图一一进行配准，得到多幅配准后的图像。
[0017]作为优选，所述评价函数的计算公式为：
[0018][0019]其中，I、J为尺寸大小是M*N(M为图像行数，N为图像列数)的两幅图像，I(i，j)与J(i，j)为各自图像中的像素，与分别为各自图像像素的平均值。
[0020]作为优选，所述轴向配准具体包括：
[0021]T1、在采样后的基准图中分割出视网膜色素上皮层RPE：对合成图进行中值滤波以消除噪声的干扰，将图像像素强度作为代价函数，运用正则动态规划算法，选取出一条灰度值最大的路径，使用savitzky-golay滤波器对路径进行平滑，平滑后的曲线即为视网膜色素上皮层RPE；
[0022]T2、确定视网膜色素上皮层RPE，在合成图中分割出内界膜层ILM：使用sobel算子对滤波后的合成图进行卷积，以检测图像垂直方向上的边缘，选取正边缘梯度作为评价函数，将内界膜层ILM的搜索范围限定在视网膜色素上皮层RPE上方30像素以上；运用正则动态规划算法，选取出正边缘梯度最大的一条路径，使用savi本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视网膜OCT图像水平配准和图像增强方法，其特征在于，该方法包括以下步骤：S1、图像配准：将待配准图与基准图一一进行配准，配准方向包括垂直方向与水平方向；S2、图像处理与结果获取：将配准后的图像和基准图进行叠加平均，对平均图分出外核层ONL，对图像中外核层ONL以上的像素进行加权自适应伽马校正AGCWD，以进一步增强对比度，得到最终的结果。2.根据权利要求1所述的视网膜OCT图像水平配准和图像增强方法，其特征在于，所述S1图像配准具体包括：S1-1、将基准图与第i幅待配准图每隔s_col列进行采样，认定采样列的轴向偏移与采样列所在s_col列的轴向偏移是一致的；S1-2、将第i幅采样后的待配准图向左偏移R个像素，R为所设定的待配准图最大的水平偏移距离；将当前爬山位置记为p_cur＝-R，进行轴向配准，根据评价函数计算与采样后的基准图的相关系数并给予保留；然后进行步骤S1-3；S1-3、将当前爬山位置处的图像继续向右偏移step个像素，再进行轴向配准，根据评价函数得到对应位置的相关系数并给予保留，当前位置变成p_cur＝p_cur+step，其中step为所设定的初始爬山步长；重复操作直至当前位置的相关系数小于前一位置的相关系数；当当前位置的相关系数小于前一位置的相关系数时，改变移动方向，将步长缩短至一半，即step
’
＝step/2，进入步骤S1-4；S1-4、将当前爬山位置处的图像向左偏移step
’
个像素，当前位置更新为p_cur＝p_cur-step；判断是否存在当前位置的相关系数，若不存在，继续进行轴向配准，根据评价函数计算得到该位置的相关系数并给予保留；重复操作直至当前位置的相关系数小于前一位置的相关系数；当当前位置的相关系数小于前一位置的相关系数时，改变移动方向，将步长缩短至一半，step”＝step/2，进入步骤S1-5；S1-5、重复步骤S1-3与步骤S1-4步骤，直至step”<1；若当step”<1，则前一爬山位置即为此幅图像的最佳水平偏移位置，经前一爬山位置偏移再做轴向配准后，得到的图像即为第i幅配准后图像；S1-6、参照步骤S1-1～步骤S1-5，将剩余待配准图像与基准图一一进行配准，得到多幅配准后的图像。3.根据权利要求2所述的视网膜OCT图像水平配准和图像增强方法，其特征在于，所述评价函数的计算公式为：其中，I、J为尺寸大小是M*N(M为图像行数，N为图像列数)的两幅图像，I(i，j)与J(i，j)为各自图像中的像素，与分别为各自图像像素的平均值。4.根据权利要求2所述的视网膜OCT图像水平配准和图像增强方法，其特征在于，所述轴向配准具体包括：T1、在采样后的基准图中分割出视网膜色素上皮层RPE：对合成图进行中值滤波以消除噪声的干扰，将图像像素强度作为代价函数，运用正则动态规划算法，选取出一条灰度值最
大的路径，使用savitzky-golay滤波器对路径进行平滑，平滑后的曲线即为视网膜色素上皮层RPE；T2、确定视网膜色素上皮层RPE，在合成图中分割出内界膜层ILM：使用sobel算子对滤波后的合成图进行卷积，以检测图像垂直方向上的边缘，选取正边缘梯度作为评价函数，将内界膜层ILM的搜索范围限定在视网膜色素上皮层RPE上...

【专利技术属性】
技术研发人员：陈新建，王波，刘铭，
申请(专利权)人：苏州大学，
类型：发明
国别省市：