[发明专利]一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法

权利要求书

1.一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法，其特征在于：包括以下步骤：

步骤S1：提供RGB眼底图像作为输入图像，对所述输入图像提取绿色分量，并利用对比度受限直方图均衡化方法在提取绿色分量后的图像上进行对比度调整；

步骤S2：计算出步骤S1调整对比度后的图像中每个像素点的Hessian矩阵，得到Hessian矩阵的特征值；

步骤S3：利用Hessian矩阵的特征值，在尺度因子为σ的条件下构造Frangi血管相似性函数，并得到最大响应；

步骤S4：将步骤S1中的输入图像的每个像素点的RGB三个通道的像素值分别减去最大响应值与增强因子factor的乘积，用以获得最终的血管增强并得到经过frangi增强的图像；

步骤S5：将经过Frangi增强的图像进行灰度变换，将每个像素值进行零均值归一化操作到[0,1]之间；训练时，采用一个48×48大小的采样框随机选择中心，对归一化后的图像进行重采样，每次采样生成一个训练图像块，共生成1万个训练图像块；将训练图像的标签进行与训练图像块相同的重采样分块操作，获得标签图像块；测试时，如果测试图像长宽不是48的整数倍，则将其扩充成48的整数倍，扩充部分的像素值为0，并将测试图像平均分成多个48x48的测试图像块；

步骤S6：将步骤S5中得到的训练图像块和标签图像块输入到带有注意力模型的注意力机制UNet网络中，进行训练；测试时，将步骤S5中得到的测试图像块输入到带有注意力模型的注意力机制UNet网络中进行像素点预测，网络输出即是测试图像块的分割结果；随后将所有预测后的测试图像块进行重新拼接成测试图像，并删除其中扩充的像素，即得到了测试图像的最终分割结果。

2.根据权利要求1所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法，其特征在于：所述步骤S1提取绿色通道的计算公式如下：

I＝a*I_R+b*I_G+c*I_B

其中I表示输入图像，I_R、I_G、I_B分别代表I的三个通道值，a、b、c代表各个通道的权重，其值a＝0,c＝0,b＝1。

3.根据权利要求1所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法，其特征在于：所述步骤S2的具体内容为：

令步骤S1调整对比度后的图像中的一点为P(x,y)，则该点的Hessian矩阵的表达式为：

其中，f_xx、f_xy、f_yx和f_yy分别表示该像素点P的四个高斯二阶偏导数；令矩阵H的两个特征值为λ₁，λ₂，且|λ₁|＜|λ₂|则特征值计算如下：

式中

4.根据权利要求1所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法，其特征在于：所述步骤S3中所述Frangi血管相似性函数为：

上式中，||H||_F表示矩阵的范数；C为矩阵最大范数的一半；当尺度因子σ与血管宽度相近时，血管相似性函数获得最大响应。

5.根据权利要求4所述的一种基于Frangi增强和注意力机制UNet的眼底图像血管分割方法，其特征在于：所述获得最大响应的具体内容为：通过调整σ的大小，使σ接近血管宽度时能够获得最大响应；将σ限制在[σ_min，σ_max]之间，均分为N个不同尺度，σ逐级增大，求出每个σ下的每个像素点的输出响应，最后用最大值法求出最大响应，如下公式：

v(p)为P点处的血管相似性函数最大输出响应。