[发明专利]一种从眼部图片中自动识别视网膜区域的方法

说明书

本发明涉及一种从眼部图片中自动识别视网膜区域的方法，包括步骤如下：(1)获取视网膜彩色图像；(2)从视网膜彩色图像中提取出红色通道图像；(3)在红色通道图像中通过滑动窗口的方式计算灰度共生矩阵，并得到以每个像素点为中心的对比度值，获取对比度特征影像图；(4)将对比度特征影像图进行分割，识别出视网膜边框；(5)将视网膜边框以内的区域进行填充，得到最终的视网膜区域。与现有的技术相比，本发明能够更好的识别视网膜区域，具有足够的精确和稳定性，并且此方法能够更好的适用于形式各异的视网膜图像。

技术领域

本发明涉及一种从眼部图片中自动识别视网膜区域的方法，属于医学图像处理技术领域。

背景技术

视网膜是眼睛的重要组成部分。通过对视网膜图像的分析可以对视网膜的健康状况进行评价，并且对一些疾病的诊断提供依据。具体参见以下四篇文献：1.Oliveira,W.S.,et al.,Unsupervised Retinal Vessel Segmentation Using Combined Filters.PLoSOne,2016.11(2):p.e0149943.2.Syed,A.M.,et al.,Automated diagnosis of macularedema and central serous retinopathy through robust reconstruction of 3Dretinal surfaces.Comput Methods Programs Biomed,2016.137:p.1-10.3.Santhi,D.,et al.,Segmentation and classification of bright lesions to diagnose diabeticretinopathy in retinal images.Biomed Tech(Berl),2016.61(4):p.443-53.4.Oloumi,F.,et al.,Computer-aided diagnosis of plus disease via measurement of vesselthickness in retinal fundus images of preterm infants.Comput Biol Med,2015.66:p.316-29.

识别出视网膜图片的边框区域是进行视网膜图像处理的关键技术，也是首要的步骤。目前，在视网膜图片中识别视网膜区域的方法通常是设定固定的灰度阀值来分割视网膜区域和外侧的边框区域，该方法参见文献Bankhead,P.,et al.,Fast retinal vesseldetection and measurement using wavelets and edge location refinement.PLoSOne,2012.7(3):p.e32435.或者通过最大类间方差法来设定一个灰度阀值来分割视网膜区域和外侧的边框区域，该方法参见文献Zhou,W.,et al.,Automatic MicroaneurysmsDetection Based on Multifeature Fusion Dictionary Learning.Comput MathMethods Med,2017.2017:p.2483137.但是，这两种已有的方法都存在缺陷：(1)难于扩展，很难用一个固定的阀值来分割形式各异的视网膜图片；(2)分割效果不好，一些噪音像素点或者视网膜区域内的黑色区域也会被固定的灰度阀值判断为边框区域。

发明内容

针对现有技术的不足，本发明提供了一种从眼部图片中自动识别视网膜区域的方法；

本发明采用一种图像处理算法用于识别视网膜图片的边框，基于图片的对比度纹理特征来实现对视网膜图片中边框位置的自动识别。本发明能准确的识别视网膜边框的位置，从而自动识别视网膜的区域。

术语解释：