[发明专利]一种基于术后角膜OCT影像数据的图像分割方法

说明书

本发明公开了一种基于术后角膜OCT影像数据的图像分割方法，包括以下步骤：图像预处理、坎尼（Canny）边缘检测、中央竖直噪声定位和角膜上下边界分割，最终获得角膜结构的分割结果，将角膜图像从背景图像中分割出来。本发明首次提供了一种具有可行性、有效性和创新性的术后角膜OCT影像数据的自动化图像分割方法，不仅能够分割存在伤口的角膜图像，而且对存在中央噪声的角膜图像也一样适用。该方法不仅改善了手动分割图像耗时耗力，主观性强等缺点，而且通过计算机的智能化处理使得分割结果更加精确，有效提高了医学影像数据的后期利用率。

技术领域

本发明属于数字图像处理技术领域，利用采集到的术后角膜OCT（光学相干断层扫描技术）影像数据，提出了一种全自动的图像分割方法。

背景技术

现如今，随着大数据时代的到来和医学仪器设备的发展，影像数据逐日递增，为了能够更加充分的利用和分析影像数据，计算机辅助智能医学影像处理技术应运而生，并得到了广泛应用：如视网膜分层、肾脏器官分割、光密度分析等。目前现有的基于角膜OCT影像的图像分割处理技术有：1、通过建立两个不同分布高斯模型来分割角膜和背景图像；2、应用图论和动态规划的方法寻找角膜边界，并且从背景图像中分割出角膜图像，此方法也能作用于存在中央噪声的角膜图像；3、利用增强型的智能剪刀与人工交互的方法获得角膜边界，从而分割角膜图像；4、利用普鲁伊特（Prewitt）边缘检测算子与手动分割相结合，得到角膜边界的拟合曲线，从而分割角膜图像。

以上提到的这些角膜图像分割技术还存在以下缺陷和不足：（1）大多数方法都针对正常的角膜进行设计，并不能处理不正常的角膜数据，例如存在中央竖直噪声的、经历角膜手术后的图像；（2）部分角膜分割方法还依赖于半自动的人工分割，不能达到全自动、智能化图像处理的要求。

发明内容

本发明提出了一种基于术后角膜OCT影像数据的图像分割方法，首次提供了针对纵向角膜图像的全自动边界分割，对包括有伤口的角膜图像和存在中央噪声的角膜图像均可以从背景图像中分割出来。

本方法的实施过程主要包括了以下4个方面：图像预处理，坎尼边缘检测、中央竖直噪声定位和角膜上下边界分割：

步骤1.图像预处理：首先裁切原始OCT图像去除无关的眼前节结构图像；然后利用大津阈值法得到角膜二值图像；最后在二值图像上进行数学形态学操作处理；

步骤2.坎尼边缘检测：将坎尼边缘检测器作用于预处理后的角膜图像，得到坎尼映射图像；

步骤3.中央竖直噪声定位：对于存在中央竖直噪声的角膜图像，利用坎尼映射图像定位中央竖直噪声；

步骤4.角膜上下边界分割：从坎尼映射图像上，以扫描的方式直接获得上边界，通过拉平坎尼映射图像后扫描的方式获得下边界；对于存在中央噪声的图像再以插值的方法校正已获得的上下边界检测结果；最终将角膜图像从背景图像中分割出来。

步骤1中，裁切原始OCT图像时，去除掉与角膜无关的眼前节结构图像。

步骤1中，将裁切后得到的图像与一设定的常系数1.5相乘，增强图像的对比度，再利用大津阈值法将图像转为二值图像。

步骤1中，数学形态学操作时，连续地顺序进行膨胀、闭操作和孔洞填充处理，用以增强角膜边界。

步骤3中，当角膜图像上存在中央竖直噪声时，首先在图像的中央区域检测每列边缘点的数目，当检测到的边缘点数量超过2时就定位为存在中央噪声的列。

图像的中央区域设定为200~400列之间。

步骤4中，首先从上往下扫描坎尼映射图像，将扫描到的第一个边缘点作为角膜的上边界；然后以上边界为基准拉平坎尼映射图像，在拉平后的坎尼映射图像上，从上边界下方10个像素的位置起往下扫描，将扫描到的第一个边缘点作为角膜的下边界，并返回原坎尼映射图像中的位置，最终得到上、下边界的边缘点。