[发明专利]一种OCT图像中脉络膜新生血管分割算法

摘要

本发明公开了一种OCT图像中脉络膜新生血管分割算法，包括以下步骤：S01：对训练图像设计一种结构先验学习方法，构建结构先验矩阵，所述结构先验矩阵用于区分脉络膜新生血管区域和背景区域；S02：基于所述结构先验矩阵将OCT原图像转换为显著性增强图像，用于增强脉络膜新生血管区域的显著性；S03：在所述显著性增强图像上使用多尺度分析，将所述显著性增强图像划分为m个尺度；S04：基于每种尺度训练得到m个训练好的卷积神经网络模型；S05：利用步骤S01、S02、S03对测试图像进行处理，利用步骤S04中训练好的所述卷积神经网络模型进行测试，输出m个分割结果，对m个分割结果进行融合即为最终的分割结果，本发明可以显著提高OCT图像中脉络膜新生血管的分割精度。

主权项

一种OCT图像中脉络膜新生血管分割算法，其特征是，包括以下步骤：S01：对训练图像设计一种结构先验学习方法，构建结构先验矩阵，所述结构先验矩阵用于区分脉络膜新生血管区域和背景区域，包括以下步骤：a：对训练图像进行超像素分割得到若干超像素；b：提取特征；c：根据所述训练图像的正确标注将每个所述超像素标记为2类，分别为脉络膜新生血管区域和背景区域；d：使用标记好的若干所述超像素构造字典；e：对所有所述超像素进行分类，得到全局结构先验图；f：基于所述全局结构先验图，计算局部相似结构先验，求得所述结构先验矩阵；S02：基于所述结构先验矩阵将OCT原图像转换为显著性增强图像，用于增强脉络膜新生血管区域的显著性；S03：在所述显著性增强图像上使用多尺度分析，将所述显著性增强图像划分为m个尺度；S04：基于每种尺度训练得到m个训练好的卷积神经网络模型；S05：利用S01中步骤a、b、e、f对测试图像进行超像素分割、提取特征、分类以及计算结构先验矩阵，利用S02基于S05中得到的所述结构先验矩阵对测试图像进行图像转换，利用S03将转换后的所述测试图像划分为m个尺度，利用S04中训练好的所述卷积神经网络模型进行测试，输出m个分割结果，对m个分割结果进行融合即为最终的分割结果。