[发明专利]基于OCT图像的皮肤多亚层结构自动分割方法

权利要求书

1.一种基于OCT图像的皮肤多亚层结构自动分割方法，其特征在于，包括以下步骤：

1)对采集的皮肤OCT图像进行预处理；

2)对预处理后的皮肤OCT图像进行皮肤各层亚结构的分割，其具体包括：

2-1)将皮肤OCT图像表示为节点图，每个像素对应一个节点；

2-2)为连接每两个节点之间的每条边分配权重值；

2-3)进行节点初始化；

2-4)计算垂直方向的梯度图像；

2-5)基于垂直方向的梯度图像，计算某两个节点之间的权重；

2-6)创建无向邻接稀疏矩阵，用于存储上一步获得的两两节点之间的权重值；

2-7)对由所述步骤2-4)得到的垂直方向的梯度图像进行去反操作，得到相反方向的垂直梯度图像，前者是图像像素强度由暗到明的垂直梯度，后者是图像像素强度由明到暗的垂直梯度；

2-8)计算图像像素由暗到明变换的权重矩阵和邻接稀疏矩阵、图像像素由明到暗变换的权重矩阵和邻接稀疏矩阵，

其中，将皮肤OCT图像中的目标区域的皮肤分为由上至下的三部分：第一、二、三层，并将目标区域与背景分割开，需要四条分割线，由上至下依次定义为：第一、二、三、四分割线，

其中，图像像素由暗到明的邻接稀疏矩阵对应第一、三分割线，图像像素由明到暗的邻接稀疏矩阵对应第二、四分割线；

3)分别获取第一、三分割线和第二、四分割线，最终得到分割后的图像。

2.根据权利要求1所述的基于OCT图像的皮肤多亚层结构自动分割方法，其特征在于，所述步骤1)具体包括以下步骤：

1-1)输入采集的皮肤OCT图像，通过对数处理，将图像的乘性散斑噪声转换为加性高斯噪声分布；

1-2)使用高斯滤波的方法对图像进行降噪预处理；

其中，高斯滤波的具体操作是使用模板来扫描图像中的每个像素，并使用该模板来计算邻域中像素的加权平均值，最后用该加权平均值替换模板中心的像素值，获得预处理后的图像。

3.根据权利要求2所述的基于OCT图像的皮肤多亚层结构自动分割方法，其特征在于，所述步骤2-2)具体包括：每两个节点之间由边连接，这些边有各自的权重，每个节点只与其8邻域内的节点相关联，从而将权重分配的标准定为像素强度之间的差异，再根据这一原则为每条边分配权重值。

4.根据权利要求3所述的基于OCT图像的皮肤多亚层结构自动分割方法，其特征在于，所述步骤2-3)具体包括：在节点图两侧各添加一列额外的辅助节点，且节点数量和图像的列数相同；图像左边新增辅助节点列中的第一个节点定义为起始节点，图像右边新增辅助节点列的最后一个节点定义为结束节点，这两列节点在垂直方向上的权重为最小，且该最小的权重值小于图像的邻接矩阵中任何非零权重值。

5.根据权利要求4所述的基于OCT图像的皮肤多亚层结构自动分割方法，其特征在于，所述步骤2-4)具体包括：计算垂直方向的梯度图像，获得图像在垂直方向的数值梯度，输出的垂直梯度值的第一行元素为原矩阵第二行与第一行元素之差，第二行元素为原矩阵第三行与第一行元素之差除以2，以此类推；最后一行则为最后两行之差，最终得到垂直梯度，并进行归一化，最终得到垂直方向的梯度图像。

6.根据权利要求5所述的基于OCT图像的皮肤多亚层结构自动分割方法，其特征在于，所述步骤2-5)具体包括：基于垂直方向的梯度图像，计算某两个节点i，j之间唯一的权重weight，公式为：

weight＝2-g_i-g_j+w_min；

其中，weight是起始节点i和其相邻的结束节点j之间边缘的权重值；g_i是图像在起始节点i的垂直梯度值；g_j是图像在结束节点j的垂直梯度值；w_min是图像中的最小权重，是一个很小的正数。