[发明专利]基于混合模型的视网膜OCT图像视乳头结构分割方法

权利要求书

1.一种基于混合模型的视网膜OCT图像视乳头结构分割方法，其特征是，包括以下步骤：

1)图像预处理，对视网膜图像进行滤波、拉平处理；

2)根据手动标记的标记点，建立主动外观模型，并用主动外观模型进行视网膜图像结构的粗分割；

3)以步骤2)中的结果为约束条件，用图搜索方法进行视网膜图像结构的精确分割。

2.根据权利要求1所述的基于混合模型的视网膜OCT图像视乳头结构分割方法，其特征是，步骤1)中，图像滤波处理采用梯度各向异性扩散的算法去除噪声。

3.根据权利要求1所述的基于混合模型的视网膜OCT图像视乳头结构分割方法，其特征是，步骤1)中，图像拉平处理利用外界膜作为拉平的基准，先将检测到的外界膜位置指定为一个固定值，然后以此固定值为基准，对齐全图。

4.根据权利要求1所述的基于混合模型的视网膜OCT图像视乳头结构分割方法，其特征是，步骤2)中，建立主动外观模型的步骤为：

首先在经步骤1)预处理得到的每一帧图像上手动标注分割目标的轮廓线，然后将3维的分割目标表示成2维的轮廓线的堆栈，在标注的轮廓线上标注多个标记点；

当所有训练数据的标记点全部标注完成之后，使用标准的主动外观模型来建立视网膜图像结构的模型。

5.根据权利要求4所述的基于混合模型的视网膜OCT图像视乳头结构分割方法，其特征是，主动外观模型包括形状模型和纹理模型两个部分：

$x=\stackrel{\‾}{x}+Q_{s}s$

$g=\stackrel{\‾}{g}+Q_{g}t$

其中，是平均形状模型，是此平均形状所对应的平均纹理模型，Q_s和Q_g为经过主成分分析计算得到的形状、纹理主成分特征分量形成的变换矩阵。s为控制形状变化的形状参数；t为控制纹理变化的纹理参数；x是形状模型，g是纹理模型；利用主动外观模型在测试数据上定位、分割感兴趣区域，得到层1-层7的初始结果。