[发明专利]一种基于Radon域特征表示的青光眼检测方法

权利要求书

1.一种基于Radon域特征表示的青光眼检测方法，其特征在于：包括如下步骤：

步骤1：将彩色眼底图转换为灰度图像，并进行灰度图像预处理；

步骤2：选取n个投影角度θ，在每个投影角度θ下采用Radon变换将预处理后的灰度图像投影到Radon域得到一维离散信号R(ρ)；

其中，每个投影角度θ对应一组一维离散信号R(ρ)，在每个投影角度θ下平移积分直线路径L，并依次按照Radon变换公式计算出投影点R(ρ,θ)得到一维离散信号R(ρ)；

0°≤θ≤180°，n≥6

ρ为积分直线路径L到原点的距离，投影角度θ为积分直线路径L的法线方向与水平轴的夹角，原点为眼底图像的中心点；

步骤3：按照预设维度大小采用双立方插值技术对每组一维离散信号R(ρ)进行维度统一得到统一维度的一维离散信号S(ρ)，并均采用双正交小波分解每组统一维度的一维离散信号S(ρ)来提取到近似系数和细节系数；

其中，一维离散信号S(ρ)的双正交小波分解公式如下：

式中，为母小波，φ(t)为父小波，k为时域参数，j是频域参数，c_k、d_j,k分别是近似系数和细节系数；

步骤4：将每组统一维度的一维离散信号S(ρ)的近似系数和细节系数输入预设的分类检测模型得到青光眼检测结果；

其中，所述预设的分类检测模型训练时的输入参数为青光眼眼底图像样本和正常眼底图像样本构成特征向量矩阵N以及所述特征向量矩阵N中每行的样本标签向量；

所述特征向量矩阵N的每行的特征为每个青光眼眼底图像样本或正常眼底图像样本在所述n个投影角度θ下的所有近似系数和细节系数；

所述特征向量矩阵N中每行对应的样本为青光眼眼底图像样本或正常眼底图像样本时，同一行的样本标签向量为1或-1。

2.根据权利要求1所述的方法，其特征在于：所述n个投影角度θ为9个投影角度且相邻投影角度θ之间的间隔20°或者是6个投影角度且相邻投影角度θ之间的间隔30°或者是18个投影角度且相邻投影角度θ之间的间隔10°。

3.根据权利要求2所述的方法，其特征在于：所述n个投影角度θ分别为20°、40°、60°、80°、100°、120°、140°、160°、180°。

4.根据权利要求1所述的方法，其特征在于：所述预设的分类检测模型为带惩罚项的支持向量机，且核函数为径向基函数；

其中，所述支持向量机如下所示：

式中，w为超平面法向量，C为惩罚系数，ξ_i为惩罚项，n为训练样本的总个数，y_i为样本对应的标签向量，b为偏置，T为转置符号。

5.根据权利要求4所述的方法，其特征在于：将青光眼眼底图像样本和正常眼底图像样本构成特征向量矩阵N输入所述分类检测模型进行训练之前，还包括：采用主成分分析法对特征向量矩阵N进行降维；

其中，所述主成分 分析法的累计贡献率的取值范围为：[85％，95％]。

6.根据权利要求1所述的方法，其特征在于：步骤1中对灰度图像进行预处理的过程为：采用限制对比度自适应直方图均衡化对灰度图像进行预处理；

其中，对比度的计算公式为：

式中，K为对比度，M×M为局部块大小，Hist(t)为M×M的局部块内的直方图高度。