[发明专利]基于多特征融合的眼底图像中血管的提取方法与电子设备

权利要求书

1.一种基于多特征融合的眼底图像中血管的提取方法，其特征在于，包括：

基于待处理眼底图像，利用多个不同分类器，分别提取眼底血管的多个不同特征，并对所述多个不同特征进行特征融合；

基于特征融合后的综合特征，利用训练完成的denseCRF模型，获取所述眼底血管的分割图像；

对所述分割图像进行形态学分析处理，提取所述眼底血管的二值图像；

所述分别提取眼底血管的多个不同特征的步骤具体包括：

从所述待处理眼底图像中，分别提取所述眼底血管的边缘特征、纹理特征和空间形状特征；

所述对所述多个不同特征进行特征融合的步骤具体包括：

分别基于所述边缘特征、所述纹理特征和所述空间形状特征，提取特征向量，并将提取的各特征向量进行级联，构成综合特征向量；

利用概率标准化算法，对所述综合特征向量进行归一化处理，并利用主成分 分析算法，对归一化后的综合特征向量进行处理，实现所述特征融合。

2.根据权利要求1所述的方法，其特征在于，所述分别提取所述眼底血管的边缘特征、纹理特征和空间形状特征的步骤具体包括：

利用Canny算法分类器，分析所述待处理眼底图像，提取所述边缘特征；利用LBP算法分类器，分析所述待处理眼底图像，提取所述纹理特征；并，利用FCN算法分类器，分析所述待处理眼底图像，提取所述空间形状特征。

3.根据权利要求1所述的方法，其特征在于，所述利用主成分 分析算法，对归一化后的综合特征向量进行处理，实现所述特征融合的步骤具体包括：

求取所述归一化后的综合特征向量的自相关矩阵，并利用主成分 分析算法对所述自相关矩阵进行分解，分别获取特征向量矩阵和特征值矩阵；

将所述归一化后的综合特征向量进行K-L变换，得到变换后的特征值矩阵，并选取所述变换后的特征值矩阵中的最大特征值所对应的特征向量，作为所述综合特征。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述对所述分割图像进行形态学分析处理，提取所述眼底血管的二值图像的步骤具体包括：

对所述分割图像进行灰度化取反，并对灰度化取反后的图像进行形态高帽滤波处理，得到高帽变换后的图像；

利用阈值分析法，对所述高帽变换后的图像进行二值化处理，获取所述眼底血管的二值图像。

5.根据权利要求2所述的方法，其特征在于，在所述利用Canny算法分类器，分析所述待处理眼底图像，提取所述边缘特征的步骤之前，还包括：

获取一定数量的眼底图像训练样本，并利用所述眼底图像训练样本，对建立的基础Canny算法分类器、基础LBP算法分类器、基础FCN算法分类器和基础denseCRF模型进行迭代训练，获取所述Canny算法分类器、所述LBP算法分类器、所述FCN算法分类器和所述denseCRF模型。

6.一种基于多特征融合的眼底图像中血管的提取装置，其特征在于，包括：

综合特征提取模块，用于基于待处理眼底图像，利用多个不同分类器，分别提取眼底血管的多个不同特征，并对所述多个不同特征进行特征融合；

眼底血管图像分割模块，用于基于特征融合后的综合特征，利用训练完成的denseCRF模型，获取所述眼底血管的分割图像；

提取输出模块，用于对所述分割图像进行形态学分析处理，提取所述眼底血管的二值图像；

所述分别提取眼底血管的多个不同特征的步骤具体包括：

从所述待处理眼底图像中，分别提取所述眼底血管的边缘特征、纹理特征和空间形状特征；

所述对所述多个不同特征进行特征融合的步骤具体包括：

分别基于所述边缘特征、所述纹理特征和所述空间形状特征，提取特征向量，并将提取的各特征向量进行级联，构成综合特征向量；

利用概率标准化算法，对所述综合特征向量进行归一化处理，并利用主成分 分析算法，对归一化后的综合特征向量进行处理，实现所述特征融合。