【技术实现步骤摘要】
基于多注意力U
‑
Net全卷积网络的视网膜图像视盘提取方法
[0001]本专利技术涉及图像处理领域,具体涉及一种基于多注意力U
‑
Net全卷积网络的视网膜图像视盘提取方法。
技术介绍
[0002]通过对视网膜视盘状态的观察，医生可以无创、非入侵地获取人体的部分状态信息。而视网膜视盘的信息一般都需要通过视网膜图像分割技术来进行提取，这就属于一种图像处理的问题。
技术实现思路
[0003]有鉴于此，本专利技术的目的在于提供一种基于多注意力U
‑
Net全卷积网络的视网膜图像视盘提取方法,实现了视网膜图像视盘的高精度提取分割。
[0004]为实现上述目的，本专利技术采用如下技术方案：
[0005]一种基于多注意力U
‑
Net全卷积网络的视网膜图像视盘提取方法，包括以下步骤：
[0006]步骤S1:获取原始彩色视网膜图像，并采用最亮点提取及区域模糊最亮区域的方法进行感兴趣区域提取；
[0007]步骤S2:根据提取的感...
【技术保护点】
【技术特征摘要】
1.一种基于多注意力U
‑
Net全卷积网络的视网膜图像视盘提取方法，其特征在于，包括以下步骤：步骤S1:获取原始彩色视网膜图像，并采用最亮点提取及区域模糊最亮区域的方法进行感兴趣区域提取；步骤S2:根据提取的感兴趣区域图像，采用RGB通道分离，并对分离后的红色通道图像进行直方图均衡化和标准化处理；步骤S3:将红色通道图像，直方图均衡化图图像和标准化图像进行通道融合产生新的三通道图像；步骤S4:基于多注意力U
‑
Net全卷积网络，构建并训练视网膜图像视盘分割模型；步骤S5将将通道融合后的图像数据输入视网膜视盘分割模型进行视网膜图像视盘提取分割。2.根据权利要求1所述的基于多注意力U
‑
Net全卷积网络的视网膜图像视盘提取方法，其特征在于，所述步骤S2具体为：步骤S21：根据红色通道对视盘区域的区分度最强特点，分离出红色通道；步骤S22：将分离出来的红色通道图像进行直方图均衡化，进一步增强对比度；步骤S23：将分离出来的红色通道图像进行标准化处理,使图像像素值数据中心化。3.根据权利要求1所述的基于多注意力U
‑
Net全卷积网络的视网膜图像视盘提取方法，其特征在于，所述多注意力U
‑
Net全卷积网络采用U
‑
Net网络模型架构，具体为：采用空间注意力模块学习图像空间分量上信息，利用通道注意力模块学习图像通道分量上的信息并增加了模块化的DropBlock来缓解训...
【专利技术属性】
技术研发人员：魏丽芳，陈楠，李军，徐宏韬，杨长才，周术诚，陈日清，
申请(专利权)人：福建农林大学，
类型：发明
国别省市：
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。