[发明专利]在视网膜图像中基于纹理特征的视盘识别方法及装置

说明书

技术领域

本发明涉及视网膜图像处理技术领域，具体地说是一种在视网膜图像中基于纹理特征的视盘识别方法及装置。

背景技术

视网膜图像在医学领域应用比较广泛，它对于许多疾病的诊断有很大的帮助：例如白内障、青光眼、老年退化性黄斑病变等，另外，在糖尿病、高血压、中风等一些疾病的诊断中也经常用到。

通过使用图像处理技术对视网膜图像进行分析和处理，不仅能提高视网膜图像的检测效率、还能提高诊断的准确率、避免人为判断的主观差异。在视网膜图像的处理领域，视盘的识别是一个比较重要的任务。

能量纹理特征，是灰度共生矩阵各元素值的平方和，是对图像纹理的灰度变化稳定程度的度量，反应了图像灰度分布均匀程度和纹理粗细度。能量值大表明当前纹理是一种规则变化较为稳定的纹理。

基于上述陈述，设计一种在视网膜图像中基于纹理特征的视盘识别方法及装置。

发明内容

本发明的技术任务是针对现有技术的不足，提供一种在视网膜图像中基于纹理特征的视盘识别方法，通过处理能量纹理特征影像实现视盘位置的识别，以能提高视网膜图像的检测效率和诊断准确率，避免人为判断的主观差异。

本发明的技术任务是按以下方式实现的：

在视网膜图像中基于纹理特征的视盘识别方法，该视盘识别方法基于视网膜图像的能量纹理特征，根据能量值大小能表明当前纹理的变化是否规则的特性，通过处理能量纹理特征影像实现视盘位置的识别；

该视盘识别方法的实现步骤包括：

1)读入视网膜彩色图像；

2)从视网膜彩色图像中提取出红色通道图像；

3)在红色通道图像中计算灰度共生矩阵，并得到以每个像素点为中心的能量纹理特征值，进而得到由能量纹理特征值组成的能量纹理特征矩阵，随后将此能量纹理特征矩阵转换成能量纹理特征影像；

4)依据能量值的差异，对能量纹理特征影像进行图像分割；

5)对分割后的图像进行处理，得到最终的视盘识别结果。

在上述陈述中，通过滑动窗口的方式完成步骤3)，所涉及滑动窗口可以是3*3窗口、5*5窗口或7*7窗口。

众所周知的是，灰度共生矩阵是对图像上保持某距离的两像素点分别具有某灰度的状况进行统计得到的。对于图像中的任意一个像素点(x，y)及偏离它的另一个像素点(x+a，y+b)，假定这一对像素点的灰度值为(g1，g2)。令像素点(x，y)在整个画面上移动，则会得到各种灰度值(g1，g2)，设灰度值的级数为k，则(g1，g2)的组合共有k的平方种。对于整个画面，统计出每一种(g1，g2)值出现的次数，然后排列成一个方阵，再用(g1，g2)出现的总次数将它们归一化为出现的概率p(g1，g2)，这样的方阵即称为灰度共生矩阵。得到以每个像素点为中心的灰度共生矩阵之后，为其计算出能量纹理特征值。计算能量纹理特征值所使用的公式如下：

通过滑动窗口，灰度共生矩阵和能量纹理特征值的计算可以生成一个能量纹理特征的影像。通常采用的方法是：

首先，用每一个小窗口滑过所覆盖形成的子影像，计算子影像区域内的灰度共生矩阵和能量纹理特征值，然后将代表这个窗口能量纹理特征值赋值给窗口的中心像素点，即完成了第一个小窗口的能量纹理特征值的计算；

然后，窗口被移动到下一个像素点形成另外一个小的窗口及其所覆盖的子影像，再重复计算新的子影像的灰度共生矩阵和能量纹理特征值，然后将代表这个窗口能量纹理特征值赋值给窗口的中心像素点，即完成了第二个小窗口的能量纹理特征值的计算；

依次类推，这样滑动窗口在整个图像滑动遍历完之后就会形成一个由能量纹理特征值组成的能量纹理特征值矩阵，将这个能量纹理特征值矩阵转换成能量纹理特征影像。

所涉及步骤5)中，对分割后的图像进行处理的具体操作是：

a.通过面积阀值过滤掉一些小的干扰点；

b.通过区域膨胀和腐蚀操作将视盘区域的一些不连通的前景区域组成一个大的连通块；

c.计算视盘区域这个大的连通块内的所有的像素点的质心，用这个质心的坐标作为视盘的中心坐标。

根据上述视盘识别方法，本发明还提供一种在视网膜图像中基于纹理特征的视盘识别装置，该视盘识别装置基于视网膜图像的能量纹理特征，根据能量值大小能表明当前纹理的变化是否规则的特性，通过处理能量纹理特征影像实现视盘位置的识别；该视盘识别装置包括：

读入模块，用于读入视网膜彩色图像；

提取模块，用于从视网膜彩色图像中提取出红色通道图像；