[发明专利]一种筛选眼底图像的方法

摘要

一种筛选眼底图像的方法，根据视网膜血管的树状网络结构和灰度分布特征，通过Morlet小波和高斯匹配滤波的分割方式，从多尺度的离散高斯核对血管骨架，从而提高微小血管与背景区域的对比度；同时结合Gabor小波算法，利用其小波特征和绿色通道灰度信息组成的特征向量；通过深度神经网络技术对动静脉血管及血管的交叉、拱桥、黄斑、黑斑、白斑等眼部特征进行标记学习训练；本申请能够完成对眼底图片的筛选和分类，加速眼底疾病的诊断速度，解决耗费大量人工和效率低下问题，并最终为提高整体社会的健康水平而努力。

主权项

1.一种筛选眼底图像的方法，其特征在于，具体步骤如下：S1：接收拍摄的眼底图片；S2：采用Morlet小波变换方法对图像分割、进行血管骨架的提取；S3：把眼底图片进行Gabor小波变换处理；S4：针对Gabor小波变换结果，采用SVM分类模型进行血管和非血管归类，并记录血管坐标区域；S5：采用Gabor小波分类后的血管坐标信息，与Morlet小波提取的血管坐标进行区域比对；S6：根据图像类型，进行特征标记；并针对标记的特征采用神经网络进行学习训练；S7：对神经网络提取的特征进行SVM分类；所述Morlet小波变换方法,具体为：小波变换系数Tω(b,θ,a)反映了图像灰度分布曲线与小波序列函数的相似程度，其中*表示共轭；Cω表示归一化常量；ω表示要分析的小波；b为位移矢量；θ为旋转角度；a为尺度因子,r为滤波器；Gabor小波变换公式为：其中，是高斯函数，称为窗函数，其中a>b>0，g_a(t‑b)是一个时间局部化的“窗函数”，其中参数b用于平行移动窗口,e为自然指数。