[发明专利]基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法

说明书

本发明公开了一种基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法，属于图像处理技术领域，解决现有技术中采用单光源进行颜色校正，导致硬性渗出检测精度不高的问题。本发明输入原眼底图像，进行预处理；利用多光源颜色恒常性算法，对预处理后的原眼底图像进行颜色校正；结合颜色校正后的眼底图像中的血管信息进行视盘定位，利用快速均值移位分割出视盘区域，得到视盘图像；基于视盘图像和预处理得到的图像进行阈值分割以及形态学重建，提取出硬性渗出的候选区域，得到候选区域图像；提取候选区域图像的颜色直方图特征、颜色恒常性特征和纹理特征。并用提取的特征进行检测，得到检测结果。本发明用于对眼底图像进行特征提取和硬性渗出检测。

技术领域

一种基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法，用于对眼底图像进行特征提取和硬性渗出检测，属于图像处理技术领域。

背景技术

现有的技术中，眼底图像通过以提取候选区域中的面积，周长，似圆度，直径，平均梯度等形状特征，或者使用深度神经网络提取深度特征来进一步进行后续硬性渗出检测，但基于所提取的特征，所检测的准确率不高。

现有技术中也有采用颜色校正技术进行硬性渗出检测，但采用的是单光源假设的颜色校正方法，通常假设场景中源的光谱分布相对均匀。在现实环境中，由于受多光源非均匀光照、物体表面反射特性以及“内部反射”的影响，这种假设很难满足。而颜色校正将直接影响硬性渗出的检测精度，所以目前常用的颜色校正方法导致硬性渗出检测精度不高、检测效率较低。

发明内容

针对上述研究的问题，本发明的目的在于提供一种基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法，解决现有技术中所采用的特征提取方式所提取的特征，造成后续硬性渗出检测率低的问题，以及现有技术中采用单光源进行颜色校正，导致硬性渗出检测精度不高的问题。

为了达到上述目的，本发明采用如下技术方案：

一种基于多光源颜色恒常模型提取眼底图像特征的方法，包括如下步骤：

步骤1：输入原眼底图像，进行预处理，其中，原眼底图像为待分析眼底图像；

步骤2：利用多光源颜色恒常性算法，对预处理后的原眼底图像进行颜色校正；

步骤3：结合颜色校正后的眼底图像中的血管信息进行视盘定位，再基于颜色校正后的眼底图像，利用快速均值移位分割出视盘区域，得到视盘图像；

步骤4：基于视盘图像和预处理得到的图像进行阈值分割以及形态学重建，提取出硬性渗出的候选区域，得到候选区域图像；

步骤5：提取候选区域图像的颜色直方图特征、颜色恒常性特征和纹理特征。

进一步，所述步骤1的具体步骤为：

步骤1.1、输入原眼底图像，选取原眼底图像最能反映光照情况的R通道分量图，进行ROI区域提取，得到ROI区域图像，提取公式为：

I_mask＝α_d(T_t(I_R))

t＝0.05*t_max

其中，α表示形态学腐蚀操作，T表示进行阈值分割，由于ROI区域外的最大亮度值与ROI区域内的最大亮度值存在5％的比值关系，因此选取最大亮度值t_max的5％，也就是0.05*t_max作为阈值，然后用圆形结构元素d进行腐蚀操作得到掩膜，I_R为原眼底图像的R通道分量图，I_mask为ROI区域图像；

步骤1.2、利用3*3的自适应中值滤波器对ROI区域图像进行去噪，即自适应中值滤波器根据预设好的条件，动态地改变中值滤波器的窗口尺寸，对ROI区域图像进行去噪；