[发明专利]眼底豹纹斑特征提取及特征指数确定的方法和装置

权利要求书

1.一种眼底豹纹斑特征提取及特征指数确定的方法，其特征在于，包括如下步骤：

获取眼底图像；

将所述眼底图像输入预先训练好的豹纹斑特征提取模型，获得所述眼底图像上每个像素属于豹纹斑特征的置信概率；

根据预设的置信概率阈值，使用阈值分割方法对所述置信概率进行分割，得到眼底豹纹斑特征区域图像；

确定所述眼底图像的第一面积和所述眼底豹纹斑特征区域图像的第二面积；

根据所述眼底图像的第一面积和所述眼底豹纹斑特征区域图像的第二面积，确定眼底豹纹斑密度。

2.根据权利要1所述的方法，其特征在于，还包括：

获取眼底训练图像；

选取所述眼底训练图像中任意两个通道进行相减获取训练样本；

将所述训练样本输入深度学习网络模型中进行训练，获得所述豹纹斑特征提取模型。

3.根据权利要1所述的方法，其特征在于，所述根据预设的置信概率阈值，使用阈值分割方法对所述的置信概率进行分割，得到眼底豹纹斑特征区域图像，具体包括：

依据预设的置信概率阈值，使用语义网络分割算法对所述置信概率进行分割，将所述置信概率满足所述预设的置信概率阈值的像素点判定为属于豹纹斑特征的像素点；

对所述属于豹纹斑特征的像素点进行标记，得到所述眼底豹纹斑特征区域图像。

4.根据权利要2所述的方法，其特征在于，所述的将所述训练样本输入深度学习网络模型中进行训练，获取所述豹纹斑特征提取模型，具体包括：

通过深度学习网络模型对输入的训练样本进行特征提取，获得不同层次的特征向量；

将所述不同层次的特征向量进行融合，获得融合特征向量；

将所述融合特征向量进行降维处理和重采样处理，获得所述训练样本图像上属于豹纹斑的特征向量；

通过所述豹纹斑特征向量，获取所述豹纹斑特征提取模型。

5.根据权利要求3所述的方法，其特征在于，所述的通过深度学习网络模型对输入的训练样本进行特征提取，获得不同层次的特征向量，具体包括：

S1：通过深度学习网络模型的卷积层进行特征提取以获取所述训练样本的特征向量；

S2：通过深度学习网络模型的池化层去除冗余的特征向量；

S3：通过深度学习网络模型的激活层将特征向量进行非线性化，以更精准地确定属于豹纹斑特征的特征值的取值范围；

以上步骤S1至步骤S3不断迭代，每次迭代都会由浅及深输出不同层次的属于豹纹斑特征的特征向量。

6.根据权利要求1所述的方法，其特征在于，所述的确定所述眼底图像的第一面积和所述眼底豹纹斑特征区域图像的第二面积，具体包括：

根据所述眼底图像包含的像素点的个数，确定所述第一面积；

根据所述眼底豹纹斑特征区域图像包含的像素点的个数，确定所述第二面积。

7.根据权利要求2所述的方法，其特征在于：所述的语义网络分割算法包括：U-net语义网络分割算法、U-net++语义网络分割算法、PSPNet、Deeplabv3、OCRNet、Fast-SCNN。

8.一种眼底豹纹斑特征提取及特征指数确定的装置，其特征在于，包括：

获取单元，用于获取眼底图像；

输入单元，将所述眼底图像输入预先训练好的豹纹斑特征提取模型，获得所述眼底图像上每个像素属于豹纹斑特征的置信概率；

输出单元，根据预设的置信概率阈值，使用阈值分割方法对所述的置信概率进行分割，输出眼底豹纹斑特征区域图像；

面积确定单元，确定所述眼底图像的第一面积和所述眼底豹纹斑特征区域图像的第二面积；

计算单元，根据所述眼底图像的第一面积和所述眼底豹纹斑特征区域图像的第二面积，计算眼底的豹纹斑密度。