[发明专利]一种基于主动轮廓和能量约束的筛板前表面深度测量方法

权利要求书

1.一种基于主动轮廓和能量约束的筛板前表面深度测量方法，其特征在于，包括以下步骤：

步骤1：将待检测的灰度图像进行反色处理后，对反色处理图像中的所有像素点采用k均值聚类方法进行聚类，得到聚类图；

步骤2：构造C-V主动轮廓模型的能量函数，利用聚类图的轮廓作为C-V主动轮廓模型的初始曲线，以C-V主动轮廓模型的能量函数最小时的曲线作为目标轮廓，以目标轮廓的下边界的终止点作为Bruch’s Membrane Opening点，连接两个Bruch’s Membrane Opening点得到Bruch’s Membrane Opening参考投影线；

步骤3：从反射处理图像中选取位于Bruch’s Membrane Opening参考投影线以下的区域，以所选区域对应的最小矩形区域作为筛板前表面分割的感兴趣区域，其中，所选区域的上边界为Bruch’s Membrane Opening参考投影线的在水平方向上的投影线；

步骤4：基于能量函数从感兴趣区域中各列中提取一个筛板前表面候选点，并依据完整性约束条件，对所有的筛板前表面候选点进行剔除处理，得到控制点集；将控制点集进行曲线拟合得到筛板表面轮廓线；

步骤5：基于Bruch’s Membrane Opening参考投影线和筛板表面轮廓线，计算筛板前表面深度；

以Bruch’s Membrane Opening参考投影线的中点及其鼻侧和颞侧各100微米的两个点作为测量点，在三个测量点上对Bruch’s Membrane Opening参考投影线作垂线并与筛板前表面轮廓线相交，三条垂线长度的平均值为待测量的筛板前表面深度。

2.根据权利要求1所述的方法，其特征在于，所述聚类图为M(i,j,k)，是将反色处理图像中属于像素值最小的聚类中心代表的类的像素点保留，其余像素点的灰度值置0：

其中，c_m和c_k分别表示第m个和第k个聚类中心，且c_m代表像素点(i,j)的当前聚类中心，I(i,j)为图像中的像素点(i,j)的像素值，I(c_m)和I(c_k)分别为聚类中心c_m和c_k处的像素值。

3.根据权利要求2所述的方法，其特征在于，所述C-V主动轮廓模型的能量函数为：

其中，I(x,y)为聚类图中的像素点(x,y)的像素值，L(C)代表曲线的长度，Area(inside(C))表示轮廓曲线所围成的面积，I_i和I_o分别为轮廓外和轮廓内的像素点的像素值；inside(C)表示轮廓内的像素点，outside(C)表示聚类图中轮廓外的像素点；μ为长度参数，取值范围为(0,1)；v为面积参数，取值为0；λ和ω分别为内能量和外能量的权重系数，λ＝ω＝1。

4.根据权利要求1所述的方法，其特征在于，所述基于能量函数从感兴趣区域中各列中提取一个筛板前表面候选点按照以下公式提取：

其中，S_j表示第j列中的筛板前表面候选点，n表示感兴趣区域中像素的总列数；I_j(i)表示感兴趣区域中第j列像素的第i个像素点的亮度特征值，gradient(I_j(i))表示I_j(i)的梯度特征值，α和β分别表示像素点的亮度特征和梯度特征的权重参数，α的取值范围为[0.3，0.4]，β的取值范围为[0.5，0.6]，argmax()表示寻找使能量函数最大的点的位置。

5.根据权利要求4所述的方法，其特征在于，所述完整性约束条件为：

其中，Control(j)表示控制点集，d表示偏移距离控制参数，取值范围为(10,15)；S为整个候选点纵坐标集合，Y_j代表第j个A-scan上的候选点的纵坐标，average(S)为整个候选点集合纵坐标的平均值。

6.根据权利要求1-5任一项所述的方法，其特征在于，采用B样条拟合算法将控制点集进行曲线拟合得到筛板表面轮廓线。