[发明专利]基于高斯混合模型聚类的视网膜SD-OCT图像分割方法和装置

权利要求书

1.一种基于高斯混合模型聚类的视网膜SD-OCT图像分割方法，其特征是，包括以下步骤：

获取待分割的视网膜SD-OCT图像；

对待分割的视网膜SD-OCT图像进行层分割，得到内界膜和视网膜内边界的位置坐标；

采用高斯混合模型聚类方法对待分割的视网膜SD-OCT图像进行粗分割，并利用层分割的结果对此粗分割结果进行区域限制，得到粗略分割图；

利用距离阈值从粗分割得到的粗略分割图中筛选出目标区域；

利用厚度信息去除目标区域中伪影区域，并优化目标区域的边界；

所述利用距离阈值从粗分割得到的粗略分割图中筛选出目标区域的步骤包括：

计算粗略分割图中每个像素点到视网膜内边界的距离；

统计粗略分割图中每个像素点到视网膜内边界的距离的概率分布图；

结合视网膜外核层的成像特点和得到的距离概率分布图，分析得出的每个像素点到视网膜内边界的距离的概率在距离0～100像素点之间的峰值；

将所有峰值进行高斯函数拟合，得到高斯函数的均值；

以高斯函数的均值为基准，将高斯函数的起点到均值部分的曲线进行翻转，得到新曲线的零点，将该零点作为距离阈值；

将粗略分割图中像素点到视网膜内边界的距离小于该距离阈值的像素点剔除，得到目标区域。

2.根据权利要求1所述的基于高斯混合模型聚类的视网膜SD-OCT图像分割方法，其特征是，所述利用厚度信息去除目标区域中伪影区域的步骤包括：

计算每个目标区域所对应的内界膜和视网膜内边界之间的最小厚度t，以及目标区域中每个像素点到视网膜内边界的距离d及其中值m、均值a；

将目标区域中每个像素点到视网膜内边界的距离的均值a与每个目标区域所对应的内界膜和视网膜内边界之间的最小厚度t相比，得到比值r；

比较比值r与4的大小，以及均值a与中值m的大小；

当r4且am时，该像素点被剔除，得到去除伪影区域后的目标区域。

3.根据权利要求1所述的基于高斯混合模型聚类的视网膜SD-OCT图像分割方法，其特征是，所述优化目标区域的边界的步骤包括：

定义能量函数；所述能量函数为：

其中，μ是大于零的固定常量，λ₁和λ₂是大于零的常量；N_(x,y)表示以(x,y)为中心的局部邻域，d_(x,y),(i,j)是像素点(i,j)到窗口中心(x,y)的距离；H_ε(φ(x,y))指的是正则化的海氏(Heaviside)函数,δ_ε(φ(x,y))指的是正则化的狄拉克函数，是水平集函数φ(x,y)梯度的绝对值；

基于去除伪影区域后的目标区域图像I(x,y)，利用梯度下降法求解能量函数，得到目标区域c₁和非目标区域c₂。

4.根据权利要求1所述的基于高斯混合模型聚类的视网膜SD-OCT图像分割方法，其特征是，还包括：

将img格式的待分割的视网膜SD-OCT图像转换成转换为128张bmp格式的视网膜图像，并利用双边滤波器对bmp格式的视网膜图像进行去噪处理；

根据空间邻域信息对于第3～126张bmp格式的每一帧视网膜图像进行搜索，得到潜在目标区域。

5.基于如权利要求1所述的一种基于高斯混合模型聚类的视网膜SD-OCT图像分割方法的分割装置，其特征是，包括：

图像获取模块，用于获取待分割的视网膜SD-OCT图像；

预处理模块，用于对待分割的视网膜SD-OCT图像进行层分割，得到内界膜和视网膜内边界的位置坐标；

粗分割模块，用于采用高斯混合模型聚类方法对待分割的视网膜SD-OCT图像进行粗分割，并利用层分割的结果对粗分割结果进行区域限制，得到粗略分割图；

目标区域筛选模块，用于利用距离阈值从粗分割得到的粗略分割图中筛选出目标区域；

伪影区域去除模块，用于利用厚度信息去除目标区域中伪影区域；

边界优化模块，用于优化目标区域的边界。