[发明专利]基于全卷积神经网络的眼底图像结构分割方法

权利要求书

1.一种基于全卷积神经网络的眼底图像结构分割方法，其特征在于，包括以下步骤：

S1：获取若干眼底图像样本，将每幅眼底图像样本进行归一化处理预设尺寸，对每幅眼底图像样本中的黄斑、视盘、视杯三个目标结构进行标示，根据对应的目标结构标示信息生成目标结果图，目标结果图中除属于目标结构的像素点为原始像素点外，其余像素点全部设置为背景像素点；将每幅眼底图像样本和对应的目标结果图作为一对训练图像样本，从而得到训练图像样本集；

S2：将训练图像样本集中的每幅眼底图像样本作为全卷积神经网络的输入，将对应的目标结果图作为全卷积神经网络的期望输出，对全卷积神经网络进行训练；全卷积神经网络采用基于VGG16的全卷积神经网络，包括VGG16的前13层卷积层，结构参数如下表：

基于VGG16的全卷积神经网络的具体工作流程如下：

输入图像经conv1、pool1处理后原图像缩小为1/2；1/2图像经conv2、pool2处理后缩小为1/4；1/4图像经conv3、pool3处理后缩小为原图像的1/8，此时保留pool3输出的featureMap；1/8图像经conv4、pool4处理后缩小为原图像的1/16，保留pool4的featureMap；1/16图像经conv5、pool5处理后缩小为原图像的1/32，保留pool5的featureMap；

对1/32尺寸的featureMap进行反卷积操作放大2倍得到1/16尺寸的图像Map1，把Map1和1/16尺寸的featureMap进行融合，得到图像Map2；再对Map2进行反卷积操作放大2倍得到1/8尺寸的图像Map3，并将Map3和1/8尺寸的featureMap进行融合，最后将融合的结果进行反卷积放大8倍，还原为原输入图像尺寸；

S3：对于待分割的眼底图像，首先归一化至预设尺寸，然后将其输入全卷积神经网络，得到对应的目标结果图；在目标结果图中，会显示黄斑、视盘、视杯三个区域的像素，其余区域均为背景像素点；

S4：对于步骤S3得到的目标结果图中除背景像素点以外的像素点根据像素点之间的距离进行K均值聚类，得到聚类结果，筛选出像素点数量最多的前3个类别；

S5：分别对步骤S4得到的3个类别中每个类别的像素点求取连通域，然后对每个连通域轮廓进行椭圆拟合，将拟合出的椭圆区域作为目标结构区域；

S6：将步骤S54得到的3个目标结构区域在待分割眼底图像中进行标示，然后根据步骤S3得到的目标结果图中的三种目标结构，确定步骤S5得到的3个目标结构区域对应的目标结构类别，从而得到分割结果。