[发明专利]基于支持向量机的B-COSFIRE滤波处理的多尺度采样视网膜血管图像分割方法

权利要求书

1.一种基于支持向量机的B-COSFIRE滤波处理的多尺度采样视网膜血管图像分割方法，其特征在于，包括以下步骤：

步骤S1：提取视网膜图像的绿色通道部分并对图像进行翻转处理；

步骤S2：通过B-COSFIRE滤波对翻转后的图像进行滤波增强处理；

步骤S3：对滤波处理后的图像采用不同尺度的线检测算子进行血管特征的提取；

步骤S4：构建基于提取多尺度的血管特征与滤波图像块的特征向量作为支持向量机模型训练的输入；

步骤S5：利用支持向量机模型训练获得的分类器实现视网膜血管预测与分割。

2.根据权利要求1所述的基于支持向量机的B-COSFIRE滤波处理的多尺度采样视网膜血管图像分割方法，其特征在于：步骤S2中通过B-COSFIRE滤波对翻转后的图像进行滤波增强处理的具体过程为：

步骤S21：计算一组高斯差分滤波响应；

步骤S22：添加模糊高斯差分滤波响应和移位操作；

步骤S23：计算加权几何平均作为最后的B-COSFIRE滤波响应。

3.根据权利要求1所述的基于支持向量机的B-COSFIRE滤波处理的多尺度采样视网膜血管图像分割方法，其特征在于：步骤S2中通过B-COSFIRE滤波对翻转后的图像进行滤波增强处理的具体过程为：

步骤S21：对经采用提取绿色通道并翻转处理后的视网膜图像I，计算高斯差分滤波响应，即：

其中，|·|⁺表示半波整流，通过设置为0来抑制负值,σ为高斯函数的标准差，C_σ(x,y)是通过将翻转的绿色通道图像和滤波器DoG_σ(x,y)进行卷积获得的，*表示卷积运算，x、y代表图像的横、纵坐标值；

步骤S22：添加模糊高斯差分滤波响应和移位操作，以提升B-COSFIRE的容错性：

其中，σ_i表示最强DoG响应的标准偏差，表示相对于B-COSFIRE滤波器支撑中心的极坐标，并且标准偏差σ_i是到滤波器支撑中心的线性函数，表示为：σ'＝σ₀'+αρ_i，其中σ₀'和α是常量，而移位操作则是将每个模糊高斯差分滤波响应在与相反方向偏移ρ_i距离，其中偏移向量为(Δx_i,Δy_i)，Δx_i＝-ρ_icosφ_i,Δy_i＝-ρ_isinφ_i；

步骤S23：计算加权几何平均作为最后的B-COSFIRE滤波响应：

其中，|·|_t表示在最大响应的分数t(0≤t≤1)处对响应进行阈值化处理，B-COSFIRE滤波响应γ_s(x,y)由一组集合S的模糊移位高斯差分滤波响应的乘积加权几何平均计算得到，从而得到经过B-COSFIRE滤波处理后的视网膜血管滤波图像。

4.根据权利要求1所述的基于支持向量机的B-COSFIRE滤波处理的多尺度采样视网膜血管图像分割方法，其特征在于：步骤S4的构建基于提取多尺度的血管特征与滤波图像块的特征向量作为支持向量机模型训练的输入的具体过程为：

步骤S41：定义三个不同大小的检测窗口，分别为：7*7、15*15和23*23；

步骤S42：对于每个像素进行12个方向的检测，进而计算12个方向的像素平均值；

步骤S43：分别对每个检测窗口中的像素平均灰度值进行计算，分别求出三个检测窗口12个方向上的最大平均灰度值；

步骤S44：对三个窗口计算目标像素的线强度：当所求方向与血管方向平行时，线强度达到最大，当所求方向与血管方向垂直时，线强度最小；并在选取线的中心添加正交线，计算正交方向的线强度；

步骤S45：结合不同尺度求出的像素线强度、正交线强度和滤波后图像的像素值，构造特征向量用于后续的支持向量机的模型训练。