[发明专利]基于人类视觉系统的眼底图像质量评估方法

摘要

本发明公开一种基于人类视觉系统的眼底图像质量评估方法，包括：选取数据集中的一部分眼底图像作为原始数据样本并进行预处理，去除背景部分并提取感兴趣区域部分；计算眼底图像的显著图；利用微调深度神经网络训练卷积神经网络，将自然图像的网络参数迁移到医学图像网络的训练中；提取出眼底图像的特征以及显著图中的显著性特征并进行特征融合；对融合的特征构建出样本的特征矩阵，并利用特征矩阵训练支持向量机分类器，对眼底图像质量进行分类。本发明通过将基于卷积神经网络的监督信息与基于显著图的无监督信息融合，并利用融合信息训练分类器来进行图像质量分类，利用迁移学习原理，使用微调深度卷积神经网络的方法来提高图像质量分类的性能。

主权项

1.基于人类视觉系统的眼底图像质量评估方法，其特征在于，包括如下步骤：（1）选取Kaggle数据集中部分眼底图像作为原始数据样本，对眼底图像进行预处理，去除图片背景区域中的黑色冗余信息，并对眼底图像的感兴趣区域进行提取，得到去除背景区域的彩色眼底图；（2）使用一种频率调谐的方法对眼底图像计算显著图，通过合理地设置频率阈值范围来强调整体显著性区域，同时使显著性目标的边界更加明显并且忽略掉一部分干扰噪声；采用多个高斯滤波器的差分联合对显著图进行带通滤波，滤波器输出全分辨率显著图；（3）构建卷积神经网络模型，采用ImageNet数据集的自然图像单独对主神经网络进行训练，通过训练得到的参数对主神经网络进行微调并保存主神经网络模型参数；在保存的主神经网络模型参数中，选取眼底图像质量分类性能最好的主神经网络模型参数来初始化卷积神经网络中的主神经网络参数，余下参数随机初始化；（4）提取全分辨率显著图中的显著性特征，同时提取眼底图像在卷积神经网络全连接层中的特征参数；分别归一化显著图的显著性特征和卷积神经网络的特征，将两个归一化特征进行融合，通过融合的特征构建特征矩阵；（5）将特征矩阵送入支持向量机分类器，分类器在特征空间中找到一个超平面，该超平面能够将两类图片的特征向量最优地分开，实现图片质量“可接受的”和“不可接受的”两种情况的最优分类。