【技术实现步骤摘要】
基于特征一致性的眼底图像增强方法、系统、设备及介质
[0001]本专利技术涉及眼底图像增强
，尤其是涉及一种基于特征一致性的眼底图像增强方法、系统、设备及介质。
技术介绍
[0002]眼底彩照广泛应用于临床的常规检查中，利用其拍摄图像可观察到的视网膜、视盘和黄斑等眼底结构，眼科医生能为病人诊断出多种视网膜疾病。然而，眼底彩照拍摄的过程容易受到拍摄条件的限制，导致眼底彩照出现不同程度的退化，包括因眼底相机的不当设置、光线的不足和拍摄时眼球移动导致的图像退化等，这些退化的眼底图像会影响眼科医生和辅助分析系统的分析，导致诊断结果出现误差。
[0003]现有研究提出了多种对低质量眼底图像增强的方法，这些方法可以大致分为基于统计直方图、基于滤波器、基于非配对的对比学习和基于领域自适应的方法。然而，由于低质量眼底图像的噪声类型多且十分复杂，不利于基于统计直方图和基于滤波器的方法的设计，并且利用上述方法进行图像增强时，尽管可以改善光照不足的区域和提高对比度，但是会存在较严重的色彩失真；眼底图像中的眼底结构特征对临床诊断十分关...
【技术保护点】
【技术特征摘要】
1.一种基于特征一致性的眼底图像增强方法，其特征在于，所述眼底图像增强方法包括：获取低质量眼底图像序列；将所述低质量眼底图像序列输入拉普拉斯金字塔，得到所述低质量眼底图像序列的多层金字塔特征；构建图像增强网络，并将每一层所述金字塔特征按照分辨率由大至小依次输入所述图像增强网络，得到每一层所述金字塔特征在所述图像增强网络的融合图像特征，根据所述融合图像特征得到增强眼底图像序列；通过所述增强眼底图像序列构建第一损失函数；计算所述每一层所述金字塔特征在所述图像增强网络的融合图像特征的池化特征，并根据所述池化特征构建第二损失函数；通过所述第一损失函数和所述第二损失函数计算得到最终损失函数，并通过所述最终损失函数的结果监督所述图像增强网络学习直至收敛，得到最终图像增强网络；所述最终图像增强网络用于对低质量眼底图像进行图像增强。2.根据权利要求1所述的基于特征一致性的眼底图像增强方法，其特征在于，所述图像增强网络为U型网络，且所述增强网络的层数与所述金字塔特征的层数一致。3.根据权利要求2所述的基于特征一致性的眼底图像增强方法，其特征在于，将每一层所述金字塔特征按照分辨率由大至小依次输入所述图像增强网络，通过如下方式得到所述增强眼底图像序列：将第一层所述金字塔特征输入至对应的第一层所述图像增强网络，得到第一层所述图像增强网络提取的图像特征；将第二层所述金字塔特征输入至对应的第二层所述图像增强网络，得到第二层所述图像增强网络提取的图像特征；并将第二层所述图像增强网络提取的图像特征与第一层所述图像增强网络提取的图像特征通过下采样的方式融合得到第二层所述图像增强网络输出的融合图像特征；将第三层所述金字塔特征输入至对应的第三层所述图像增强网络，得到第三层所述图像增强网络提取的图像特征；并将第三层所述图像增强网络提取的图像特征与第二层所述图像增强网络输出的融合图像特征通过下采样的方式融合得到第三层所述图像增强网络输出的融合图像特征；依此类推，直至将第L层所述金字塔特征输入至对应的第L层所述图像增强网络，得到第L层所述图像增强网络提取的图像特征；并将第L层所述图像增强网络提取的图像特征与第L
‑
1层所述图像增强网络输出的融合图像特征通过下采样的方式融合得到第L层所述图像增强网络输出的融合图像特征；将每一层所述图像增强网络输出的融合图像特征从第L层开始依次进行上采样直至第一层所述图像增强网络输出的融合图像特征上采样结束，得到所述增强眼底图像序列，其中，所述金字塔特征一共L层。4.根据权利要求3所述的基于特征一致性的眼底图像增强方法，其特征在于，通过如下公式得到所述融合图像特征：
其中，表示图像增强网络输出的第l+1层融合图像特征中的第k个图像的融合图像特征，Conv(
·
)表示卷积操作，[
·
]表示特征拼接操作，表示第l+1层金字塔特征中...
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。