[发明专利]超像素提取过渡期片状角膜溃烂区域的方法

权利要求书

1.一种超像素提取过渡期片状角膜溃烂区域的方法，其特征在于，包括以下步骤：

S1.图像预处理：对输入图像构建角膜椭圆模型进行分割，提取角膜区域图像，对角膜区域图像进行滤波去噪；

S2.超像素分割：基于超像素分割算法，对角膜区域图像进行超像素分块；

S3.超像素特征提取：对每一个超像素块所包含的像素点求R、G、B各通道以及坐标位置(X,Y)的均值，得到构建5维特征矩阵；

S4.SVM分类：利用所提取的超像素特征，对每个超像素进行基于SVM线性分类器的自动分类，得到初步分割结果；

S5.分割结果自动修正：基于SVM分类的初步分割结果，进行腐蚀或膨胀操作的形态运算，获得准确分割结果；

其中所述步骤S4中具体包括步骤：

S4-1.训练数据：基于自动并配以手动校正的方法来精准分割100张过渡期片状角膜溃烂染色图片，在其分割结果的基础上，在每张样本图片上随机选择角膜溃烂区域中的1000个像素点以及角膜内非溃烂区域中的1000个像素点，分别设置训练标签为0和1，并提取各个像素点的R、G、B值及位置坐标信息，总共得到200000个训练样本点，并以R、G、B值及坐标信息X、Y的5维向量作为样本特征输入；

S4-2.训练模型：选用SVM线性分类器，设置迭代次数为10000，获得预测模型；

S4-3.预测：以待分割图像中的每一个超像素块作为样本输入，每个超像素块中所有像素点的R，G，B各通道亮度均值以及横、纵坐标均值作为预测样本特征输入，预测得到每个超像素块的标签并将其作为该超像素块中各个像素点的标签，得到SVM分割结果。

2.根据权利要求1所述的超像素提取过渡期片状角膜溃烂区域的方法，其特征在于，步骤S1中具体包括步骤：

S1-1.使用Photoshop或者MATLAB在图像显示的角膜边缘处手动标记四个点，其坐标轴分别为(X_A,Y_A),(X_B,Y_B),(X_C,Y_C),(X_D,Y_D)，计算出椭圆模型的长轴a，短轴b，以及椭圆中心坐标(X₀,Y₀),计算公式如下：

a＝|X_C-X_B|/2；

b＝|Y_A-Y_D|/2；

X₀＝(X_C+X_B)/2，Y₀＝(Y_A+Y_B)/2；

通过椭圆模型{(X,Y)|(X-X₀)²/a+(Y-Y₀)²/b≤1}，其中(X，Y)表示点坐标，在图像中对椭圆模型区域进行提取，所提取的椭圆模型区域即为角膜区域；

S1-2.通过卷积滤波算法来对角膜区域图像的R、G、B通道分别进行滤波去噪。

3.根据权利要求1或2所述的超像素提取过渡期片状角膜溃烂区域的方法，其特征在于，步骤S5中具体包括步骤：

S5-1.为了去除分割结果中的非溃烂区域，对分割结果进行腐蚀操作或膨胀操作，腐蚀操作其中，X是要处理的分割结果，B_e是腐蚀结构元素；膨胀操作其中，B_d是膨胀结构元素，D(X)为膨胀操作后的结果；

S5-2.通过多元线性回归模型来确定腐蚀、膨胀操作的个体化结构参数：对于100张图像中的每一张，使用线性回归算出每个图像的腐蚀和膨胀结构元素的半径，然后以5倍交叉验证方式验证线性回归模型的可操作性和准确性，其中输入特征值包括SVM所得分割结果的面积、分割结果区域的厚度平均值、厚度前5％的平均值、厚度后5％的平均值和对应角膜的面积；基于100张训练数据所得到的腐蚀操作的结构元素所对应的多元线性回归模型为：

y₁＝15.397-1.280×10^-5x₁-0.029x₂+0.009x₃+0.075x₄+0.066x₅，其中，y₁为腐蚀操作的结构参数；x₁，x₂，x₃，x₄，x₅分别表示：SVM所得分割结果的面积、分割结果区域的厚度平均值、厚度前5％的平均值、厚度后5％的平均值和对应角膜的面积；相应的膨胀操作的结构元素所对应的多元线性回归模型为：

y₂＝33.269-7.844×10⁵x₁-0.015x₂+0.016x₃+0.068x₄+0.408x₅，其中，y₂为膨胀操作的结构参数；x₁，x₂，x₃，x₄，x₅分别表示：SVM所得分割结果的面积、分割结果区域的厚度平均值、厚度前5％的平均值、厚度后5％的平均值和对应角膜的面积。