一种基于分级生成的白内障眼底图像增强方法技术

本发明专利技术涉及一种基于分级生成的白内障眼底图像增强方法，属于图像增强技术领域。针对现有的眼底图像增强方法存在的不足和缺陷，对于深度学习中配对数据的制约，本方法利用图像成像模型退化高质量图像生成相应的多模糊度数据集。对于过增强以及欠增强的问题，本方法根据生成的多模糊度数据集训练模糊度分类器以及多个模糊眼底增强器来增强不同模糊度的白内障图像。与现有技术相比，本方法有效解决了深度学习中配对数据数据获取困难的问题，并且有助于全参考质量评估的应用，可以有效增强不同模糊度的白内障图像，增强的结果对比度好，解决了过增强、欠增强的问题。同时本方法有效提升了增强图像的准确性，增强后细小血管的保真度更好。保真度更好。保真度更好。

【技术实现步骤摘要】
一种基于分级生成的白内障眼底图像增强方法


[0001]本专利技术涉及一种基于分级生成的白内障眼底图像增强方法，属于图像增强


技术介绍

[0002]白内障作为一种眼科疾病，常见于中老年人群中，表现为屈光介质浑浊。在进行眼底图像采集过程中，到达相机的反射光通过混浊介质后会减弱，导致视网膜图像的对比度降低，影响视网膜结构的可见度。此外，高度近视、青光眼等疾病，也可能出现并发症引发白内障，导致眼底结构可见性变差。部分眼科疾病症状不明显，例如玻璃疣、微动脉瘤和轻微出血点，对比度的降低会影响眼科医师的临床诊断。对于计算机辅助诊断而言，如血管分割与跟踪，也需要清晰的眼底结构。因此，有必要对白内障眼底图像进行增强，增加图像的对比度，满足临床诊断以及计算机分析处理的需求。
[0003]现有的眼底图像增强方法包括传统方法和基于深度学习的方法。其中，传统的眼底图像增强方法，大多基于滤波器、统计直方图或图像成像模型。传统方法为了提升图像对比度，噪声被相应的放大。另外，此类方法往往步骤繁多，并依赖经验设定的参数，当模糊度不同时，存在色彩失真、过增强、欠本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分级生成的白内障眼底图像增强方法，其特征在于，包括如下步骤：步骤1：利用图像成像模型构建多模糊度数据集，包括以下步骤：步骤1.1：筛选彩色眼底图像，构建清晰数据集；筛选要求包括：所有主要视网膜结构均清晰可见，包括视盘、黄斑和主要血管；视网膜小结构均清晰可见，包括微动脉瘤、硬性渗出物、玻璃疣、二分叉后的小血管；步骤1.2：对清晰数据集中的图像进行预处理；步骤1.3：利用图像成像模型对清晰数据集进行图像退化，生成不同模糊度的眼底图像，构建多模糊度数据集，图像成像模型如式1所示：I(i,j)＝J(i,j)
·
t+A(i,j)(1
‑
t)
ꢀꢀꢀꢀꢀꢀꢀ
(1)其中，i,j∈[1,N]，分别表示像素的横、纵坐标的索引；I(i,j)为观测到的强度，I为退化图像；J(i,j)为全反射强度，J指清晰图像；A(i,j)为环境强度，A由高斯模糊估计得到；t为透射率，取值范围为[0,1]，t取值越大透射率越高，退化图像的对比度越高，图像更加清晰，更接近于清晰图像J，t取值越小则透射率越低，退化图像对比度越小，图像更加模糊，图像更接近于A；步骤2：利用步骤1的多模糊度数据集S
m
训练模糊度分类器，包括以下步骤：步骤2.1：将多模糊度数据集划分为训练集与验证集，对训练集进行增广，包括平移、旋转、翻转、混合数据增广mixup、随机擦除增广Cutout；步骤2.2：构建模糊度分类器，包括主干网络与分类头；其中，主干网络可以选择Resnet、Efficienet、Tranformer等结构，并加载在ImageNet数据集预训练的权重，作为初始权重；分类头负责对主干网络提取的特征图分类，分类头包括池化层以及全连接层，其中，池化层可选择最大池化、平均池化等，全连接层输入通道数根据主干网路的输出进行调整，输出通道数为m，即分类m个不同模糊度的图像；步骤2.3：对构建的分类器进行训练，训练的损失函数选择交叉熵损失如式3所示：其中，y
i
与p
i
分别为第i类的标签与预测值，i∈[1,m]且为整数；训练目标为最小化损失函数，调整学习率令其在验证集上达到最优，保存训练好的分类器作为本方法的模糊度分类器；步骤3：利用多模糊度数据集，训练模糊眼底增强器；设当白内障图像通过模糊度分类器分类结果为第1类，即t
i
＝t1时图像过度模糊，解剖结构不可见，故不对其进行增强；当分类结果为第m类，即t
i
＝t
m
时，输入图像较为清晰，符合眼科医师临床诊断的需求，故也不增强；本阶段共训练m
‑
2个模糊眼底增强器，利用对抗学习来协同训练增强器E
i
以及判别器D
i
，第i类模糊度退化图像为对应退化透射率为t
i
，其中i∈[2,m
‑
1]且为整数，x
i
对应的清晰图像为E
i
的作用是增强模糊度等级为i的白内障图像x
i
，令其更接近于清晰图像x，D
i
的作用是判断图像为真实的清晰图像x还是E
i
增强的图像E
i
(x
i
)；表示实数域，N表示图像的长与宽的像素数；
步骤4：利用训练好的模糊度分类器，对眼底图像的模糊度分类，得到模糊度等级i；判断该眼底图是否需要增强；当分类模糊度为[2,3,
…
,m
‑
1]，即对应透射率为[t2,
…
,t
m
‑1]时需要增强，分类结果为1与m，即对应t1和t
m
时不需要增强；若不需要增强，则直接输出原图；若需要增强，则送入相应的模糊眼底增强器E
i
进行增强，得到最终的图像增强结果。2.如权利要求1所述的一种基于分级生成的白内障眼底图像增强方法，其特征在于，步骤1.2做处理时，采用阈值法提取图像的感兴趣区域ROI，剪裁图像的掩膜至ROI边界，并对图像大小进行归一化，调整大小至N
×
N像素，N表示图像的长与宽的像素数，且N为整数。3.如权利要求2所述的一种基于分级生成的白内障眼底图像增强方法，其特征在于，N取值范围为[128,2048]。4.如权利要求1所述的一种基于分级生成的白内障眼底图像增强方法，其特征在于，步骤1.3中，图像退化的过程如下：步骤1.3.1：对清晰图像J用阈值法提取掩膜Mask，并对掩膜边界进行形态学腐蚀，填充相邻值，从而减少边界的影响；边界填充后的图像记为...

【专利技术属性】
技术研发人员：李慧琦，杨邴予，曹绿晨，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：