[发明专利]一种基于自适应窗口模型匹配的眼底图片血管识别方法

权利要求书

1.一种基于自适应窗口模型匹配的眼底图片血管识别方法，其特征在于：包括以下步骤：

S1、读入彩色RGB眼底图片、len、min、max、step，其中len是是呈直线的最长血管段长度的最小值、min为σ_j的初始值，即最小值、max为σ_j的终止值，即最大值、step为步长,其中σ的下标j标记不同尺度因子；σ_j为高斯核的标准差参数；

S2、RGB图像转灰度；

S3、形态学操作，到此预处理完成，得到特征提取算法输入图片；

S4、特征提取，产生特征矩阵；

S5、自适应阈值化，实现血管结构提取。

2.根据权利要求1所述的方法，其特征在于，特征提取过程包括以下步骤：

(1)、构建高斯核k_i,j(x,y,σ_j)＝exp(-μ²/2*σ_j²)是一个M*N的矩阵，其中k的下标i,j分别标记不同方向的高斯尺度空间和高斯尺度空间中不同高斯核，x,y为高斯核的位置索引，σ_j为高斯核的标准差参数，μ为高斯核自变量，对应与管迹垂直的直线上与管迹重合的像素所在线段的一个邻域即一条线段上的位置，M＝len，N＝6*σ_j，在|μ|＝3*σ_j处截去高斯曲线无限长尾使|μ|<3*σ_j这样就确定了高斯核的宽度，此时Degree(k_i,j())＝0°，其中Degree(·)取高斯核的方向；

(2)、σ_j初始化为min，以σ_j为尺度因子构建高斯尺度空间，其中σ_j＝σ_j-1+step，直到σ_j＝max为止；

(3)、预处理结果和高斯尺度空间中每个高斯核做匹配运算；

(4)、高斯核按Degree(k_i,j())＝Degree(k_i-1,j())+15°旋转；

(5)、重复步骤(2)～(4)，直到Degree(·)＝180°共有12个不同的方向；

(6)、12个方向的高斯尺度空间中的每个高斯核与预处理结果的匹配结果中，对应位置的像素进行比较，选择像素值最大的值作为特征矩阵元素。

3.根据权利要求1所述的方法，其特征在于，阈值化选择otsu阈值化，采用类间最大方差的方法确定阈值。