[发明专利]视网膜图像渗出区域分割方法、装置和计算设备

说明书

本发明公开了一种视网膜图像渗出区域分割方法，在计算设备中执行，包括：获取待分割的视网膜图像，并对该图像进行对比度增强，得到增强图像；对增强图像进行滤波处理，以提取出视网膜图像的背景图像；将背景图像中各像素的颜色值与增强图像中对应像素的颜色值取差值，得到差值图像；根据差值图像中各像素的RGB颜色值得到包含视网膜图像中的亮区域的亮区域图像，所述亮区域包括视盘区域、渗出区域和亮噪声区域；从视网膜图像中确定视盘区域，并将该区域从亮区域图像中去除，得到去视盘图像；从增强图像中确定亮噪声区域，并将该区域从去视盘图像中去除，从而得到视网膜图像的渗出区域。本发明还公开了对应的视网膜图像渗出区域分割装置。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种视网膜图像的渗出区域分割方法。

背景技术

糖尿病视网膜病变(简称糖网)是一种广泛存在于糖尿病人中的眼科疾病，它会对患者的视力产生影响，严重的甚至会导致患者失明。定期筛查、尽早发现视网膜病变可以最大程度地减小患者视力损伤。视网膜内渗出液是糖尿病视网膜病变早期可见的标志之一，也是病变分期和诊断的重要依据。因此，有必要通过数字图像处理技术对视网膜图像上的渗出区域进行识别。

目前对渗出区域的识别方法中，基于像素点分类的方法主要是将眼底图像分割成多个图像块，通过输入训练好的卷积神经网络将图像块分类成背景、血管、渗出和出血四类。但由于神经网络的输入是图像块，对于大小形状都不确定的渗出液无法准确的检测出渗出液的边界。而基于聚类的方法中主要是通过人工设定模糊聚类数对眼底图像进行聚类，再将聚类的结果用神经网络分类成渗出液区域和非渗出液区域。但是由于大规模筛查中视网膜图像成像质量的不确定性，往往需要依据成像质量调整聚类数，从而限制了该方法在自动的大规模眼底病症筛查系统中的应用。

因此，需要一种新的又精确又快速的视网膜图像渗出区域分割方法。

发明内容

为此，本发明提供一种视网膜图像渗出区域分割方法、装置和计算设备，以解决或至少缓解上面存在的问题。

根据本发明的一个方面，提供一种视网膜图像渗出区域分割方法，在计算设备中执行，该方法包括：获取待分割的视网膜图像，并对该图像进行对比度增强，得到视网膜图像的增强图像；对增强图像进行滤波处理，以提取出视网膜图像的背景图像；将背景图像中各像素的RGB颜色值与增强图像中对应像素的RGB颜色值取差值，得到差值图像；根据差值图像中各像素的RGB颜色值到亮区域图像，所述亮区域图像中标记出了视网膜图像中的亮区域，所述亮区域包括视盘区域、渗出区域和亮噪声区域；从视网膜图像中确定视盘区域，并将该区域从亮区域图像中去除，得到去视盘图像；以及从增强图像中确定亮噪声区域，并将该区域从去视盘图像中去除，从而得到视网膜图像的渗出区域。

可选地，在根据本发明的视网膜图像渗出区域分割方法中，对视网膜图像进行对比度增强的步骤包括：将视网膜图像中各像素的RGB三通道的颜色值归一化为0～1之间的数；对于RGB中每一个颜色通道，按照以下公式确定增强图像中各像素的颜色值：I₁(x,y)＝α·I₀(x,y)-β·I(x,y；δ)+γ；其中，I₁(x,y)表示增强图像中坐标为(x,y)的像素的颜色值，I₀(x,y)表示在视网膜图像中坐标为(x,y)的像素的颜色值，I(x,y；δ)表示在视网膜图像中坐标为(x,y)的像素的局部均值，其中，局部均值为经窗口大小和方差均为δ的高斯滤波所得出。

可选地，在根据本发明的视网膜图像渗出区域分割方法中，对增强图像进行滤波处理，以提取出视网膜图像的背景图像的步骤包括：生成多个具有不同窗口大小的滤波器；对增强图像中各像素的RGB三个颜色通道，分别采用多个滤波器对各通道进行滤波处理，得到各通道的多个滤波结果；以及将各通道的多个滤波结果取平均作为该通道的颜色值，从而得到背景图像。