基于多图层采样的视网膜图像血管部位识别方法及系统技术方案

本发明专利技术涉及图像处理领域，揭露一种基于多图层采样的视网膜图像血管部位识别方法和系统，其方法，包括：对矫正视网膜图像进行边缘监测，得到边缘视网膜图像；对边缘视网膜图像进行平直化处理，得到平直视网膜图像；将平直视网膜图像节点化，得到节点视网膜图像，对节点视网膜图像进行分层处理，得到分层视网膜图像；对分层视网膜图像进行滤波处理，得到细节增强图像，定位细节增强图像的血管结构坐标，提取血管结构坐标对应的坐标血管的血管纹理特征，分析坐标血管的拓扑结构，识别坐标血管的血管类别

【技术实现步骤摘要】
基于多图层采样的视网膜图像血管部位识别方法及系统


[0001]本专利技术涉及图像处理领域，尤其涉及一种基于多图层采样的视网膜图像血管部位识别方法及系统
。

技术介绍

[0002]视网膜图像血管部位识别是指利用计算机视觉和图像处理技术，通过分析视网膜图像来自动检测
、
定位和分类其中的血管结构的过程，通过血管部位识别，可以帮助眼科医生进行病变检测
、
疾病诊断和治疗决策
。
[0003]目前视网膜图像血管部位识别方法主要是通过将采样的视网膜图像进行分层，在提取分层视网膜图像的血管特征的方式来判断血管部位，这种方法由于视网膜的各层结构形状不规则
、
边界模糊
、
对比度低，使得分层的精度不够，导致降低了视网膜图像血管部位识别准确性
。

技术实现思路

[0004]为了解决上述问题，本专利技术提供了一种基于多图层采样的视网膜图像血管部位识别方法及系统，可以提高了视网膜图像血管部位识别的准确性
。
[0005]第一方面，本专利技术提供了一种基于多图层采样的视网膜图像血管部位识别方法，所述方法包括：采集待识别人员的视网膜图像，对所述视网膜图像进行图像校正，得到矫正视网膜图像，并对所述矫正视网膜图像进行边缘监测，以得到边缘视网膜图像；识别所述边缘视网膜图像的特征点，并根据所述特征点对所述边缘视网膜图像进行平直化处理，以得到平直视网膜图像；将所述平直视网膜图像节点化，得到节点视网膜图像，计算所述节点视网膜图像对应节点的节点权重，其中，所述节点权重是指不同像素节点在所述节点视网膜图像的占比程度；标记所述节点视网膜图像的起始点和中止点，并构建所述起始点和所述中止点的节点路径，以及标记所述节点路径对应的路径节点，根据节点权重计算所述节点路径的路径权重，其中，所述节点路径的路径权重是指从所述起始点到所述中止点构成的路径在所述节点路径的重要程度；根据所述路径权重筛选出所述节点路径的权重最低路径，根据所述权重最低路径对所述节点视网膜图像进行分层处理，以得到分层视网膜图像；对所述分层视网膜图像进行滤波处理，得到细节增强图像，定位所述细节增强图像的血管结构坐标，提取所述血管结构坐标对应的坐标血管的血管纹理特征，根据所述血管纹理特征分析所述坐标血管的拓扑结构，根据拓扑结构识别所述坐标血管的血管类别
。
[0006]第二方面，本专利技术提供了一种基于多图层采样的视网膜图像血管部位识别系统，所述系统包括：
图像边缘检测模块，用于采集待识别人员的视网膜图像，对所述视网膜图像进行图像校正，得到矫正视网膜图像，并对所述矫正视网膜图像进行边缘监测，以得到边缘视网膜图像；图像平直化模块，用于识别所述边缘视网膜图像的特征点，根据所述特征点对所述边缘视网膜图像进行平直化处理，以得到平直视网膜图像；图像分层模块，用于将所述平直视网膜图像节点化，得到节点视网膜图像，并计算所述节点视网膜图像对应节点的节点权重，标记所述节点视网膜图像的起始点和中止点，并构建所述起始点和所述中止点的节点路径，以及标记所述节点路径对应的路径节点，根据节点权重计算所述节点路径的路径权重，并根据所述路径权重筛选出所述节点路径的权重最低路径，根据所述权重最低路径对所述节点视网膜图像进行分层处理，以得到分层视网膜图像；其中，所述节点权重是指不同像素节点在所述节点视网膜图像的占比程度，所述路径权重是指从所述起始点到所述中止点构成的路径在所述节点路径的重要程度；血管类别识别模块，用于对所述分层视网膜图像进行滤波处理，得到细节增强图像，定位所述细节增强图像的血管结构坐标，提取所述血管结构坐标对应的坐标血管的血管纹理特征，根据所述血管纹理特征分析所述坐标血管的拓扑结构，以及根据拓扑结构识别所述坐标血管的血管类别
。
[0007]与现有技术相比，本方案的技术原理及有益效果在于：本专利技术通过对所述视网膜图像进行图像校正，得到矫正视网膜图像可以将所述视网膜图像生成计算机容易处理的图像，提高了对所述视网膜图像的处理效率；进一步地，本专利技术实施例通过对所述矫正视网膜图像进行边缘监测，得到边缘视网膜图像可以增强所述矫正视网膜图像的眼底血管结构边界信息，提高视网膜图像血管部位识别的准确性；进一步地，本专利技术实施例通过识别所述边缘视网膜图像的特征点可以根据特征点对所述边缘视网膜图像进行平直处理，提高后期对图像的处理效率；本专利技术实施例通过将所述平直视网膜图像节点化，得到节点视网膜图像可以将所述平直视网膜图像像素节点化，更容易辨别图像细节，提高图像血管识别的准确性；进一步地，本专利技术实施例通过构建所述起始点和所述中止点的节点路径可以根据节点路径为后期进行图像分层提供数据基础；最后，本专利技术实施例通过对所述分层视网膜图像进行滤波处理，得到细节增强图像可以增强分层视网膜图像的图像细节，使得血管部位更加清洗，提高分层视网膜图像中血管部位识别的准确性，进一步地，本专利技术实施例通过根据拓扑结构，识别所述坐标血管的血管类别可以通过详细的内部结构，执行所述坐标血管类别分类，提高对所述坐标血管的血管部位识别的准确性
。
附图说明
[0008]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理
。
[0009]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图
。
[0010]图1为本专利技术一实施例提供的基于多图层采样的视网膜图像血管部位识别方法及系统的流程示意图；
图2为本专利技术一实施例提供的基于多图层采样的视网膜图像血管部位识别系统的模块示意图；图3为本专利技术一实施例提供的实现基于多图层采样的视网膜图像血管部位识别方法及系统的电子设备的内部结构示意图
。
具体实施方式
[0011]应当理解，此处所描述的具体实施方式仅仅用以解释本专利技术，并不用于限定本专利技术
。
[0012]本专利技术实施例提供一种基于多图层采样的视网膜图像血管部位识别方法及系统，所述基于多图层采样的视网膜图像血管部位识别方法及系统的执行主体包括但不限于服务端
、
终端等能够被配置为执行本专利技术实施例提供的该方法的电子设备中的至少一种
。
换言之，所述基于多图层采样的视网膜图像血管部位识别方法及系统可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台
。
所述服务端包括但不限于：单台服务器
、
服务器集群
、
云端服务器或云端服务器集群等
。
所述服务器可以是独立的服务器，也可以是提供云服务
、
云数据库
、
云计算
、
云函数
、
云存储
、
网络服务
、
...

【技术保护点】

【技术特征摘要】
1.
一种基于多图层采样的视网膜图像血管部位识别方法，其特征在于，所述方法包括：采集待识别人员的视网膜图像，对所述视网膜图像进行图像校正，得到矫正视网膜图像，并对所述矫正视网膜图像进行边缘监测，以得到边缘视网膜图像；识别所述边缘视网膜图像的特征点，并根据所述特征点对所述边缘视网膜图像进行平直化处理，以得到平直视网膜图像；将所述平直视网膜图像节点化，得到节点视网膜图像，计算所述节点视网膜图像对应节点的节点权重，其中，所述节点权重是指不同像素节点在所述节点视网膜图像的占比程度；标记所述节点视网膜图像的起始点和中止点，并构建所述起始点和所述中止点的节点路径，以及标记所述节点路径对应的路径节点，根据节点权重计算所述节点路径的路径权重，其中，所述节点路径的路径权重是指从所述起始点到所述中止点构成的路径在所述节点路径的重要程度；根据所述路径权重筛选出所述节点路径的权重最低路径，根据所述权重最低路径对所述节点视网膜图像进行分层处理，以得到分层视网膜图像；对所述分层视网膜图像进行滤波处理，得到细节增强图像，定位所述细节增强图像的血管结构坐标，提取所述血管结构坐标对应的坐标血管的血管纹理特征，根据所述血管纹理特征分析所述坐标血管的拓扑结构，根据拓扑结构识别所述坐标血管的血管类别
。2.
根据权利要求1所述的方法，其特征在于，对所述矫正视网膜图像进行边缘监测，得到边缘视网膜图像，包括：对所述矫正视网膜图像进行去噪处理，得到去噪视网膜图像；计算所述去噪视网膜图像的像素强度梯度；根据所述像素强度梯度对所述去噪视网膜图像的去噪图像像素进行非最大值抑制，得到所述去噪视网膜图像的局部极边缘；利用预设的高阈值和低阈值，将所述去噪图像像素划分为强边缘像素和弱边缘像素；对所述强边缘像素进行第一追踪处理，得到第一边缘图像；对与所述强边缘像素相连接的所述弱边缘像素进行第二追踪处理，得到第二边缘图像；根据所述第一边缘图像和所述第二边缘图像得到所述边缘视网膜图像
。3.
根据权利要求2所述的方法，其特征在于，计算所述去噪视网膜图像的像素强度梯度，包括：将所述去噪视网膜图像划分为三像素矩形网格；根据三像素矩形网格，利用下述公式计算所述去噪视网膜图像的水平方向梯度和垂直方向梯度：；；
其中，表示去噪视网膜图像的水平方向梯度，表示去噪视网膜图像的垂直方向梯度，表示三像素矩形网格；根据水平方向梯度和垂直方向梯度，利用下述公式计算所述去噪视网膜图像的像素强度梯度：；其中，表示像素强度梯度，表示平方根计算函数，表示去噪视网膜图像的水平方向梯度，表示去噪视网膜图像的垂直方向梯度
。4.
根据权利要求1所述的方法，其特征在于，识别所述边缘视网膜图像的特征点，包括：构建所述边缘视网膜图像的图像窗口，标记所述图像窗口对应的第一边缘视网膜图像；计算所述第一边缘视网膜图像的第一像素点灰度值；对所述图像窗口在所述边缘视网膜图像中进行移动，得到第二边缘视网膜图像；计算所述第二边缘视网膜图像的第二像素点灰度值；根据所述第一像素点灰度值和所述第二像素点灰度值，计算所述图像窗口的像素灰度变化值；当所述灰度变化值大于预设的像素灰度限值时，将所述图像窗口的中心点作为所述边缘视网膜图像的特征点
。5.
根据权利要求1所述的方法，其特征在于，根据所述第一像素点灰度值和所述第二像素点灰度值计算所述图像窗口的像素灰度变化值，包括：标记所述图像窗口对应第一边缘视网膜图像的第一像素坐标和所述第二边缘视网膜图像的第二像素坐标；根据所述第一像素坐标和所述第二像素坐标计算所述图像窗口的窗口偏移量；根据所述窗口偏移量
、
所述第一像素点灰度值以及所述第二像素点灰度值，利用下述公式计算所述图像窗口的像素灰度变化值：；其中，表示像素灰度变化值，表示窗口偏移量，表示图像窗口在
...

【专利技术属性】
技术研发人员：肖璇，陈婷，高翔，李莹，王雅琪，蔡菡，
申请(专利权)人：武汉大学人民医院湖北省人民医院，
类型：发明
国别省市：