[发明专利]基于Adaboost的眼底图像微动脉瘤检测系统

摘要

本发明提供一种基于Adaboost的眼底图像微动脉瘤检测系统，包括视网膜图像预处理单元、候选区域提取单元、特征提取与特征选择单元和分类单元；对获取的视网膜图像进行目标区域提取，并对目标区域图像进行处理；对预处理后的视网膜图像依次进行视盘提取、絮状物提取和血管提取，得到候选区域图像；对已知的候选区域图像进行特征提取，得到候选区域图像候选区域特征集；采用已知候选区域图像候选区域特征集作为输入，输入到Adaboost分类器进行训练，将待检测的候选区域图像输入到训练后的Adaboost分类器，得到检测结果。本发明能够有效的进行特征选择与分类，实现视网膜图像的准确检测。

主权项

1.一种基于Adaboost的眼底图像微动脉瘤检测系统，其特征在于，包括视网膜图像预处理单元、候选区域提取单元、特征提取与特征选择单元和分类单元；所述视网膜图像预处理单元，用于对获取的视网膜图像进行目标区域提取，得到目标区域图像，并对目标区域图像进行中值滤波、对比度自适应直方图均衡化、阴影校正和灰度拉伸处理，得到预处理后的视网膜图像；所述候选区域提取单元，用于对预处理后的视网膜图像依次进行视盘提取、絮状物提取和血管提取，得到候选区域图像；所述特征提取与特征选择单元，用于对专家手动标记好的已知具有动脉瘤的N幅候选区域图像和已知不具有动脉瘤的N幅候选区域图像进行特征提取，提取其各候选区域代表微动脉瘤的31个特征值，并采用前向算法对各个候选区域特征值进行特征值筛选，得到更新后的候选区域特征集；所述分类单元，用于采用已知具有动脉瘤的N幅候选区域图像和已知不具有动脉瘤的N幅候选区域图像得到更新后的候选区域特征集作为输入，输入到Adaboost分类器进行训练，得到训练后的Adaboost分类器，将待检测的视网膜图像提取出的候选区域图像输入到训练后的Adaboost分类器，得到检测结果；所述候选区域提取单元，包括视盘提取模块、絮状物的提取模块和视网膜血管的提取模块；所述视盘提取模块，用于采用线性空间滤波对绿色通道图像进行高斯滤波，获取图像的低频分量，得到高斯滤波后的图像，对高斯滤波后的图像采用数学形态学运算，设定视盘提取阈值，进行阈值分割提取出高斯滤波后图像中的视盘，得到去除视盘的视网膜图像；所述絮状物的提取模块，用于对去除视盘的视网膜图像进行背景估计，通过数学形态学运算获取其背景图像，采用形态学减运算得到去除视盘的视网膜图像与背景图像的差值图像，对差值图像进行二值化处理，设定絮状物提取阈值，对二值化处理后的差值图像进行阈值分割，提取出絮状物，得到絮状物提取后的图像；所述视网膜血管的提取模块，用于采用改进的COSFIRE滤波器对絮状物提取后的图像进行血管结构选择，提取出血管，得到候选区域图像；所述采用改进的COSFIRE滤波器对絮状物提取后的图像进行血管结构选择，提取出血管，得到候选区域图像的具体过程如下：S1：建立DOG滤波器，生成一个R*R像素大小的图像，R为奇数，令图像中的灰度值为1，其余灰度值为0得到一个线性条状结构作为类血管，作为DoG滤波器的输入，得到DoG滤波器输出响应像素值，以三元组S集表示；S2：对S集进行加权操作以及移位操作，训练得到改进的DOG滤波器，即COSFIRE滤波器，得到COSFIRE滤波器的输出响应像素值，以三元组S′集表示；S3：将S′集作为B‑COSFIRE滤波器输入，得到B‑COSFIRE滤波器输出响应；S4：在B‑COSFIRE滤波器中引入方向参数Ψ，得到改进的COSFIRE滤波器；S5：将絮状物提取后的图像输入改进的COSFIRE滤波器，得到絮状物提取后的图像的响应值；S6：设定血管提取阈值，将絮状物提取后的图像的响应值超出阈值的作为该图像的血管，提取出血管，得到候选区域图像。