[发明专利]一种基于残差密集模块网络结构的眼底图像质量自动分类方法

摘要

本发明提供了一种基于残差密集模块网络结构的眼底图像质量自动分类方法，该方法包括：1)对图像预处理，提取眼底区域；2)对图像尺寸归一化以适应网络结构；3)将质量好与质量差眼底图像作为训练集，使用残差密集模块网络进行质量分类训练，引入残差密集模块MRDB，利用MRDB中的局部密集连接、特征重用与残差融合获取眼底图像细节特征；4)利用训练好的网络模型对眼底图像进行质量分类测试，调整网络参数，得到最优的网络模型；5)用最优网络模型对眼底图像进行质量分类。与传统方案相比，本发明避免了复杂的图像处理过程，可准确分类质量好与质量差两类眼底图像，本方法可广泛地应用于眼底图像实时质量判别领域。

主权项

1.一种基于残差密集模块网络结构的眼底图像质量自动分类方法，包括下列步骤：步骤1：收集眼底图像作为样本数据；步骤2：利用感兴趣区域算法对眼底样本数据进行预处理；步骤3：将眼底图像归一化为224×224的相同尺寸，作为后续网络训练与测试数据；步骤4：选定用于网络训练的眼底图像样本，设置损失函数理想值，构造残差密集模块网络结构MRDB‑CNN训练网络，通过引入浅层特征提取模块、残差密集模块、残差模块来组成残差密集模块网络结构MRDB‑CNN，将质量好与质量差两类眼底图像输入网络中，训练时通过计算损失函数来调整网络参数，得到网络训练模型；步骤5：选定用于网络测试的眼底图像样本，利用训练好的网络模型对质量好与质量差眼底图像进行质量分类测试，通过进一步检测模型对质量不明确类别中每幅图像的分类效果，综合评定网络结构对眼底图像的质量分类性能，调整网络参数，得到最优的网络模型；步骤6：利用最优的网络模型对眼底图像进行质量分类。