[发明专利]一种基于ELM的眼底图像视网膜血管分割方法

摘要

本发明公开了一种基于ELM的眼底图像视网膜血管分割方法，该方法通过为眼底图中的每个像素点构造一个包括Hessian矩阵特征，局部特征，梯度场特征和形态学特征在内的39维特征向量，用以判定每个像素是否属于血管上的像素。利用训练样本对ELM进行训练得到分类器，并由此完成待测试图像上的各个像素点的分类判定，得到最后的分割结果。该方法训练时间短，对待测眼底图像分割速度较快速度较快，并且对血管主干部分提取较好，对于高亮度病灶区的处理很有优势，适合进行后期处理，为主要血管的病变提供了直观结果，适用于眼底图像的计算机辅助定量分析和疾病诊断，对相关疾病的辅助诊断有明显临床意义。

主权项

一种基于ELM的眼底图像视网膜血管分割方法，其特征在于，包括以下步骤：步骤1：对训练集中已知标定结果的眼底图像中的每个像素点提取39维特征向量；所述39维特征向量包括29维局部特征向量、1维Hessian矩阵图像特征、6维形态学特征以及3维梯度场特征；所述29维局部特征向量包括1维灰度值特征、24维高斯尺度空间滤波特征以及4维LOG特征；所述6维形态学特征是对眼底图像进行Bottom‑Hat变换获得的6维特征；所述3维梯度场特征包括2维梯度特征和1维散度特征；所述2维梯度特征是通过计算每个像素梯度的模值和方向所获得的2维特征；步骤2：从训练集中随机选取像素点，利用所选像素点的39维特征向量和像素点对应的标记分类结果训练ELM神经网络分类模型，获取ELM神经网络模型中输出权重β，确定ELM神经网络分类模型；步骤3：将待分割的眼底图像按照步骤1的内容提取每个像素点的39维特征向量，并利用步骤2获得的ELM神经网络分类模型对每个像素点进行分类识别，完成眼底图像的分割。