[发明专利]基于视网膜图像处理的微小动脉瘤发生风险预测系统

权利要求书

1.基于视网膜图像处理的微小动脉瘤发生风险预测系统，其特征在于，包括视网膜图像获取单元、视网膜图像预处理单元、微小动脉瘤图像粗提取单元、微小动脉瘤图像精提取单元和微小动脉瘤发生风险预测单元；

所述的视网膜图像获取单元，用于获取N张已知微小动脉瘤的RGB格式视网膜的图像和N张待检测的RGB格式视网膜的图像；

所述的视网膜图像预处理单元，用于对N张已知微小动脉瘤的RGB格式视网膜的图像和N张待检测的RGB格式视网膜的图像进行图像增强处理，再进行三层haar小波变换，得到增强处理后的高频图像，即2N张小波变换后的图像；

所述的微小动脉瘤图像粗提取单元，用于将小波变换后的图像中已知微小动脉瘤的视网膜图像作为训练集图像，将小波变换后的图像中待检测的视网膜图像作为测试集图像，建立k个微小动脉瘤动态多参数模板，利用k个微小动脉瘤动态多参数模板分别对训练集图像和测试集图像进行模板匹配，得到训练集模板匹配后的图像和测试集模板匹配后的图像，图像中各像素点构成微小动脉瘤候选集，分别提取训练集模板匹配后的图像中血管上的微小动脉瘤候选集中候选瘤和测试集模板匹配后的图像中血管上的微小动脉瘤候选集中候选瘤并剔除，得到训练集的剔除血管图像和测试集的剔除血管图像，在利用区域增长的方法进行还原，得到训练集区域增长后的图像和测试集区域增长后的图像；

所述的微小动脉瘤图像精提取单元，用于对训练集区域增长后的图像和测试集区域增长后的图像进行特征提取，得到训练集特征值的集合和测试集特征值的集合，并根据训练集特征值的集合建立加权的朴素贝叶斯分类器；

所述的微小动脉瘤发生风险预测单元，用于将测试集特征值的集合带入加权的朴素贝叶斯分类器，当属于微小动脉瘤的概率大于不属于微小动脉瘤的概率时，该视网膜图像存在具有微小动脉瘤的风险。

2.根据权利要求1所述的基于视网膜图像处理的微小动脉瘤发生风险预测系统，其特征在于，所述的视网膜图像预处理单元，包括：获取图像背景模块、阴影校正模块、顶帽变换模块、高斯滤波模块和小波变化模块；

所述的获取图像背景模块，用于将2N张RGB格式视网膜的图像在绿色通道下的图像进行取反，得到2N张底片效果的图像；

所述的阴影校正模块，用于对2N张底片效果的图像进行阴影校正，得到2N张去除阴影的图像；

所述的顶帽变换模块，用于对2N张去除阴影的图像进行顶帽变换，得到2N张顶帽变换后的图像；

所述的高斯滤波模块，用于对2N张顶帽变换后的图像进行高斯滤波，得到2N张增强处理后的图像；

所述的小波变化模块，用于对2N张增强处理后的图像进行三层haar小波变换，得到2N张增强处理后图像的高频图像，即2N张小波变换后的图像。

3.根据权利要求1所述的基于视网膜图像处理的微小动脉瘤发生风险预测系统，其特征在于，所述的微小动脉瘤图像粗提取单元，包括模板匹配模块、血管去除模块和区域增长模块；

所述的模板匹配模块，用于将小波变换后的图像中已知微小动脉瘤的视网膜图像作为训练集图像，将小波变换后的图像中待检测的视网膜图像作为测试集图像，建立k个微小动脉瘤动态多参数模板，利用k个微小动脉瘤动态多参数模板分别对训练集图像和测试集图像进行模板匹配，得到训练集模板匹配后的图像和测试集模板匹配后的图像；

所述的血管去除模块，用于对训练集图像和测试集图像采用匹配滤波器的方法，对图像中的血管进行剔除，得到训练集血管图像和测试集血管图像，利用训练集血管图像提取训练集模板匹配后的图像中血管上的微小动脉瘤候选集中候选瘤并剔除，得到训练集的剔除血管图像；利用测试集血管图像提取测试集模板匹配后的图像中血管上的微小动脉瘤候选集中候选瘤并剔除，得到测试集的剔除血管图像；

所述的区域增长模块，用于将训练集的剔除血管图像利用区域增长的方法进行还原，得到训练集区域增长后的图像；将测试集的剔除血管图像利用区域增长的方法进行还原，得到测试集区域增长后的图像。