[发明专利]一种基于学习的眼底血管几何关键点图像处理方法及装置

权利要求书

1.一种基于学习的眼底血管几何关键点图像处理方法，其特征在于，所述方法包括以下步骤：

A、获取眼底图像，根据深度学习算法获取眼底图像树状图，并将所述树状图进行图连通算法处理，得到视网膜血管树图像；

B、通过计算曲率熵弥散获取并存储视网膜血管树图像中的多个几何关键点位置；

所述步骤A具体包括：通过图连通算法对所述眼底图片树状图进行处理，先滤除点状病理结构部分，再结合形态学算子去除小半径的孤立岛屿区域，获得血管结构所在的图像子区域，并采用图像掩模方法去除视网膜边缘图像，得到清晰的视网膜血管树图像；

所述步骤B具体包括：

B1、根据依次获取视网膜血管树各像素的局部曲率方向弥散程度参数值，并与预先设置的局部曲率方向弥散程度阈值进行比较；其中，E（p）为当前像素p的局部曲率方向弥散程度参数值，h_p（i）是当前像素p的邻域上曲率方向直方图第i个柱采样点的个数，i为正整数；

B2、判断各像素的局部曲率方向弥散程度参数值是否超过所述局部曲率方向弥散程度阈值，若超过时则获取当前像素的位置，并保存；若未超过，则不保存。

2.根据权利要求1所述基于学习的眼底血管几何关键点图像处理方法，其特征在于，所述几何关键点包括在视网膜血管树图像上的血管局部弯曲转向点、血管曲率极值点、血管交叉点或血管分支点。

3.一种基于学习的眼底血管几何关键点图像处理装置，其特征在于，包括：

图片获取及处理模块，用于获取眼底图像，根据深度学习算法获取眼底图像树状图，并将所述树状图进行图连通算法处理，得到视网膜血管树图像；

关键点图像处理模块，用于通过计算曲率熵弥散获取并存储视网膜血管树图像中的多个几何关键点位置；

通过图连通算法对所述眼底图片树状图进行处理，先滤除点状病理结构部分，再结合形态学算子去除小半径的孤立岛屿区域，获得血管结构所在的图像子区域，并采用图像掩模方法去除视网膜边缘图像，得到清晰的视网膜血管树图像；

所述关键点图像处理模块具体包括：

比较单元，用于根据依次获取视网膜血管树各像素的局部曲率方向弥散程度参数值，并与预设设置的局部曲率方向弥散程度阈值进行比较；其中，E（p）为当前像素p的局部曲率方向弥散程度参数值，h_p（i）是当前像素p的邻域上曲率方向直方图第i个柱采样点的个数，i为正整数；

控制单元，用于判断各像素的局部曲率方向弥散程度参数值是否超过所述局部曲率方向弥散程度阈值，若超过时则获取当前像素的位置，并保存；若未超过，则不保存。

4.根据权利要求3所述基于学习的眼底血管几何关键点图像处理装置，其特征在于，所述几何关键点包括血管局部弯曲转向点、血管曲率极值点、血管交叉点或血管分支点。