[发明专利]一种基于眼底图像特征的左右眼识别方法

摘要

本发明提出一种基于眼底图像特征的左右眼识别方法，属于医学数字图像处理领域。本方法首先对获取的眼底图像进行处理，然后对处理后的图像分别根据视盘和血管的不同特征通过三种不同的方法获取相应的信息，最后分别对三种方法设定相应的变量判断其是否能够进行左右眼的判别，并根据每种方法得到的识别结果对眼底图像联合进行左右眼识别并输出识别结果。本发明能够快速精确地识别给定的眼底图像是属于左眼还是右眼，识别精确度高，简单易操作，具有较高的应用价值。

主权项

一种基于眼底图像特征的左右眼识别方法，其特征在于，包括以下步骤：1)眼底图像预处理阶段；具体步骤如下：1‑1)拍摄一张彩色视网膜眼底图像，记为I，图像I的行数记为m，列数记为n，像素值的大小为[0,255]，并以图像I的左上角为顶点建立直角坐标系；1‑2)提取图像I的R、G、B颜色通道图像，分别记为IR、IG、IB，表达式如下：IR＝I(:，:，1)..................................................(1)IG＝I(:，:，2)..................................................(2)IB＝I(:，:，3)..................................................(3)式(1)‑(3)中，I(:，:，index)表示提取图像I的第index个颜色通道的图像，其中index∈[1，3]；1‑3)将步骤1‑2)得到的图像IR中像素值大于设定阈值threshold_1的像素值置为1，否则置为0，将图像IR转换为二值图像BW1；1‑4)对步骤1‑3)得到的二值图像BW1进行孔洞填充，得到图像H，然后利用圆形结构元素对H进行形态学膨胀操作，得到图像D；表达式如下：H＝imfill(BW1)................................................(4)D＝imdilate(H，se).........................................(5)式中，imfill(BW1)表示对图像BW1进行孔洞填充；imdilate(H，se)表示对图像H进行形态学膨胀操作，se表示结构元素；1‑5)将图像D与图像H对应位置的像素点的像素值相减，获得边缘图像E；E＝D‑H..........(7)1‑6)将图像E的第一行像素值以及最后一行的像素值全部置为255，然后对图像E进行形态学膨胀操作，得到图像HH；1‑7)检测图像HH中的所有轮廓，保存最大轮廓区域即为眼底图像有价值区域，然后分别查找眼底图像有价值区域最左边以及最右边的横坐标，分别记为L_X和R_X；1‑8)对于图像I，裁剪以第1行，第L_X列为起点，水平宽度为R_X‑L_X，垂直高度为m的矩形区域，裁剪所得的图像记为IC；1‑9)提取裁剪后图像IC的R、G、B颜色通道图像，分别记为RR、GG、BB；2)眼底图像计算阶段；具体步骤如下：2‑1)利用视盘近似圆形的特征定位视盘的大概位置坐标，具体步骤如下2‑1‑1)对步骤1)得到的图像IC按照设定的缩放比率ratio1∈[0.15，0.2]进行等比缩放，缩放后的图像记为SC；SC＝resize(IC，ratio1).....................................(8)式中，resize表示对图像进行缩放，其中缩放比率为ratio1；2‑1‑2)将图像SC转换到HSI颜色空间，提取其亮度图像，记为图像L；2‑1‑3)重复步骤1‑3)，将图像L按照设定阈值threshold_2转化为二值图像BW2；2‑1‑4)将步骤2‑1‑3)得到的二值图像BW2利用圆形结构元素进行形态学腐蚀操作得到掩膜图像mask_1，表达式如下：mask_1＝imerode(BW2，se)...........................................(9)式中，imerode(BW2，se)表示对图像BW2进行形态学腐蚀操作；2‑1‑5)对图像L进行形态学开运算操作，并将开运算操作的结果与mask_1中相同位置的像素点的像素值进行相乘，生成一张新的图像，记为图像L_M；表达式如下：L_M＝imopen(L，se).*mask_1................................(11)式中，imopen(L，se)表示对图像L进行形态学开运算，se表示形态学开运算所使用的结构元素；2‑1‑6)对于图像L_M，检测图像中存在的圆，圆半径的范围设定为最小(m/12)‑5，最大为(m/12)+5，检测到的圆心的位置即为视盘所在的位置，视盘坐标记为(cir_x，cir_y)；2‑2)利用血管在视盘处垂直方向的分布多于水平方向分布的特征，计算视盘的横坐标；具体步骤如下：2‑2‑1)对步骤1)得到的图像GG按照设定的缩放比率ratio2∈[0.15，0.2]进行等比缩放，缩放后的图像记为SG，同时保存两份图像GG的原图像副本，分别记为GG1和GG2；2‑2‑2)重复步骤1‑3)，将图像SG按照设定阈值threshold_3转化为二值图像BW3；2‑2‑3)将步骤2‑2‑2)得到的二值图像BW3利用圆形结构元素进行形态学腐蚀操作得到掩膜图像mask_2；2‑2‑4)利用圆形结构元素对图像GG1进行形态学膨胀操作，获取图像G_O；2‑2‑5)利用十字形交叉结构元素对图像GG2进行形态学腐蚀操作，获得血管增强图像G_E；2‑2‑6)利用图像G_O减去图像G_E得到血管的轮廓图像G_S；2‑2‑7)重复步骤1‑3)，将图像G_S按照设定阈值threshold_4转换为二值图像G_B；2‑2‑8)利用线性水平结构元素对图像G_B进行开运算操作，获得血管在水平方向的分布的新图像，记为图像G_H；2‑2‑9)利用线性垂直结构元素对图像G_B进行形态学开运算操作，获得血管在垂直方向的分布的新图像，记为G_V；2‑2‑10)利用图像G_V减去图像G_H获得血管在垂直方向和水平方向的差的血管集图像，并将血管集图像每一个像素点的像素值与mask_2中对应的像素点的像素值相乘，获得最终的血管集图像G_C；2‑2‑11)以图像G_C的最左边为起点，选用宽度为10，高度为m的矩形以步长为1依次滑过图像G_C直到移动至图像G_C的最右边，计算每一次滑动后矩形与图像G_C重合区域内所有像素点的像素平均值，选取所有平均值中的最大值并记录该最大值对应的矩形在图像G_C水平方向的位置，此时，矩形中心点的横坐标即为视盘的横坐标，记为vh_x；2‑3)利用血管的走向近似抛物线的特征，对血管进行抛物线拟合，计算抛物线开口方向；具体步骤如下：2‑3‑1)对图像GG按照缩放比率ratio3∈[0.15，0.2]进行等比缩放，缩放后的图像记为R_G；2‑3‑2)对图像R_G进行中值滤波处理，消除噪声干扰；2‑3‑3)对中值滤波处理完毕后的图像R_G进行归一化处理，并对归一化后的图像进行取反操作，得到图像inv_G；2‑3‑4)对图像inv_G进行多尺度多方向滤波，并进行标准差标准化处理，获得inv_G图像的平均滤波响应，所得图像记为G_F；具体步骤如下2‑3‑4‑1)对图像inv_G按照式(13)进行数据标准化操作，获得的图像记为norm_ima；标准差标准化表达式如下：yi=xi-xs,(1≤i≤t)...(13)]]>式中，每一个样本为待处理图像被mask_2所限定的区域的像素点的像素值，x为所有样本的均值，s为所有样本的标准差，xi为第i个样本，yi为xi经过标准化之后的值，t为样本的总个数；2‑3‑4‑2)对于图像inv_G，k＝i+1，i初始值为0，利用结构元素se(k)分别在θ(t)方向上对图像inv_G进行滤波，滤波的结果图像记为2‑3‑4‑3)将滤波后的图像分别与图像inv_G对应位置像素点的像素值相减，对于每一个位置，保留经过分别相减之后的最大值，最终保留的像素值组成的图像记为M(k)；2‑3‑4‑4)重复步骤2‑3‑4‑1)，对图像M(k)进行数据标准化操作，经过标准化之后的图像记为norm_M(k)，然后令norm_ima＝norm_M(k)+norm_ima；2‑3‑4‑5)对k进行判定：如果k大于8，则令G_F＝norm_ima/9，G_F表示inv_G图像的平均滤波响应；否则重新返回步骤2‑3‑4‑2)；2‑3‑5)设定一个高阈值t_h和一个低阈值t_d，重复步骤1‑3)，将图像G_F分别按照高低阈值转换为二值图像H_G和B_G；2‑3‑6)分别对二值图像H_G和B_G进行形态学重建操作，得最终血管图像V_G；2‑3‑7)对图像V_G利用矩形结构元素进行形态学腐蚀操作，去除细小血管；2‑3‑8)对经过步骤2‑3‑7)处理后的图像V_G的血管进行抛物线拟合，计算抛物线开口方向a；定义抛物线开口方向朝左，则a＞0；抛物线开口方向朝右，则a＜0；3)左右眼识别阶段；根据步骤2‑1)获取的视盘横坐标cir_x、步骤2‑2)获取的视盘横坐标vh_x以及步骤2‑3)获取的抛物线开口方向a，联合识别眼底图像I属于左眼还是右眼；具体步骤如下：3‑1)记图像V_G水平方向的中线横坐标为midline，设定视盘半径s_r＝m/12，容许误差为s_r，a的绝对值大于0.001，即abs(a)＞0.001；3‑2)定义三个变量：valid_1，valid_2，valid_3，其取值均为0或1，分别表示步骤2‑1)得到的视盘横坐标、步骤2‑2)得到的视盘横坐标、步骤2‑3)得到的抛物线的开口方向是否能够进行左右眼识别，0表示无法识别，1表示可以识别；3‑3)采用步骤2)所述的三种计算方法，分别对眼底图像I进行左右眼识别，并记录识别结果；具体步骤如下：3‑3‑1)计算dst1＝cir_x‑midline，如果abs(dst1)<s_r，则valid_1＝0；否则valid_1＝1；如果valid_1＝1且cir_x>midline，则识别眼底图像I为右眼；如果valid_1＝1且cir_x<midline，则识别眼底图像I为左眼；3‑3‑2)计算dst2＝vh_x‑midline，如果abs(dst2)<s_r，则valid_2＝0；否则valid_2＝1；如果valid_2＝1且vh_x>midline，则识别眼底图像I为右眼；如果valid_2＝1且vh_x<midline，则识别眼底图像I为左眼；3‑3‑3)如果abs(a)≤0.001，则valid_3＝0，否则valid_3＝1；如果valid＝1且a>0.001，则识别眼底图像I为左眼；如果valid＝1且a<‑0.001，则识别眼底图像I为右眼；3‑4)采用联合识别方法对眼底图像I进行左右眼识别；具体步骤如下：3‑4‑1)若valid_1＝1，valid_2＝1，valid_3＝1，且输出的三个左右眼识别结果一致时，则将该识别结果作为左右眼识别的最终结果，左右眼识别完毕；3‑4‑2)若valid_1＝1，valid_2＝1，valid_3＝1，但输出的三个左右眼识别结果不一致时，则以两种情况识别一致的结果作为左右眼识别的最终结果，左右眼识别完毕；3‑4‑3)若valid_1＝0，valid_2＝0，valid_3＝0，则眼底图像I无法进行左右眼识别，识别结束；3‑4‑4)若valid_1，valid_2，valid_3中任意两个变量的值为1，一个变量的值为0时：若变量值为1的两个识别结果一致，则将该识别结果作为左右眼识别的最终结果，左右眼识别完毕；若变量值为1的两个识别结果不一致，则眼底图像I无法进行左右眼识别，识别结束；3‑4‑5)若valid_1，valid_2，valid_3中任意两个变量的值为0，一个变量的值为1时，则输出取值为1的变量所对应的左右眼识别结果，左右眼识别完毕。