[发明专利]基于OCT图像的图像识别方法、服务器及存储介质

权利要求书

1.一种基于OCT图像的图像识别方法，应用于服务器，其特征在于，该方法包括：

获取步骤：获取无异常区域的OCT图像作为样本图像，构建包括生成器和鉴别器的生成式对抗网络；

第一处理步骤：将所述样本图像输入所述生成器，采用生成器的卷积层对每个样本图像分别进行下采样得到第一图像，对所述第一图像进行高阶特征编码得到第一特征向量，计算每个第一特征向量与预设存储表中每个第二特征向量的相似度值，将最大相似度值对应的第二特征向量作为目标特征向量，将所述目标特征向量对应的第一特征向量作为第二特征向量存入所述预设存储表，采用所述生成器的转置卷积层对所述目标特征向量进行上采样得到模拟图像并作为所述生成器的输出结果；

第二处理步骤：基于所述输出结果，以最小化所述生成器的第一损失函数值为目标调整生成器的参数，当所述第一损失函数值小于第一预设阈值时，利用所述第一损失函数值更新生成器的参数得到目标生成器；

第三处理步骤：分别将所述样本图像及其对应的模拟图像输入所述鉴别器得到对应的第一概率值与第二概率值，基于所述第一概率值与第二概率值，以最小化所述鉴别器的第二损失函数值为目标调整鉴别器的参数，当所述第二损失函数值小于所述第一预设阈值时，利用所述第二损失函数值更新所述鉴别器的参数得到目标鉴别器，对所述目标生成器和目标鉴别器进行交替迭代以对所述生成式对抗网络进行训练直至完成训练；及

识别步骤：接收客户端上传的待识别图像并输入完成训练的所述生成式对抗网络得到模拟图像，利用第一算法计算所述模拟图像与待识别图像之间的异常分值，当所述异常分值大于所述第二预设阈值时，判断所述待识别图像为包含异常区域的异常图像。

2.如权利要求1所述的基于OCT图像的图像识别方法，其特征在于，所述将最大相似度值对应的所述第二特征向量作为目标特征向量包括：

将所述目标特征向量与第一特征向量输入权重计算公式得出数值在预设数值区间(例如0-0.1)的第一结果数据，所述提取权重计算公式为：

其中，w_i表示目标特征向量的提取权重，exp表示以e为底数的指数运算符号，d表示第一特征向量与第二特征向量的相似度值，z表示第一图像的第一特征向量，m表示第一特征向量，m_j表示第二特征向量，j表示预设存储表中第二特征向量的总数。

3.如权利要求1所述的基于OCT图像的图像识别方法，其特征在于，所述第一算法为：

A(x)＝(1-λ)R(x)+λD(x)

其中，λ表示变量值，R(x)表示模拟图像与待识别图像的像素残差，D(x)表示鉴别器编码的高维空间残差。

4.如权利要求1所述的基于OCT图像的图像识别方法，其特征在于，该方法还包括目标检测步骤：

对所述待识别图像做高斯降采样得到第二图像；

对所述第二图像中大于Maximum/10的像素点做归一化，其中Maximum表示不同预设尺度的第二图像的亮度最大值；

构建九个尺度下的亮度高斯金字塔，利用Gabor滤波器构建四个方向，分别为θ{0°，45°，90°，135°}的方向高斯金字塔，得到亮度和方向高斯金字塔后，分别计算亮度和方向高斯金字塔对应的特征图，其中，亮度特征图为：I(c，s)＝|I(c)-I(s)|，方向特征图为：O(c，s，θ)＝|O(c，θ)-O(s，θ)|，c、s表示尺度参数，θ表示角度参数，c∈{2，3，4}，s＝c+δ，δ∈{3，4}；

获取预设数量的特征图，抑制存在第一预设数量活动峰的特征图，增强存在第二预设数量活动峰的特征图，将所有特征图调整至统一尺寸后相加得到显著特征图，所述第一预设数量大于第二预设数量；及

利用第二算法分别计算所述待识别图像中每一个像素的异常概率值，分别将所述异常概率值与显著性特征图进行矩阵内积得到对应的第二结果数据，将所述第二结果数据大于或等于第三预设阈值对应的像素区域作为所述目标区域。

5.如权利要求4所述的基于OCT图像的图像识别方法，其特征在于，所述第二算法为：

B(x)＝x-G(x)

其中，x表示待识别图像，G(x)表示生成器。