一種眼底圖像的模糊度分析方法
【專利摘要】本發(fā)明提供了一種眼底圖像的模糊度分析方法，所述方法包括：a）獲取對象的眼睛的彩色眼底圖像；b）提取所述彩色眼底圖像中的感興趣區(qū)域；c）從所述彩色眼底圖像的感興趣區(qū)域提取圖像中的血管；d）對所述彩色眼底圖像進行快速傅里葉變換，獲得相應(yīng)的頻域圖像；e）對所述彩色眼底圖像和所述頻域圖像進行特征提取，從而提取出若干與所述彩色眼底圖像中感興趣區(qū)域的模糊度相關(guān)的量化特征；f）基于所述量化特征對所述彩色眼底圖像中感興趣區(qū)域的模糊度進行評估。本發(fā)明的眼底圖像模糊度分析方法通過從時域圖像和頻域圖像中提取出多個穩(wěn)定、抗干擾的特征，組成特征向量，并基于該特征向量進行模糊度分析，分析效果好、準(zhǔn)確率高。
【專利說明】一種眼底圖像的模糊度分析方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及成像領(lǐng)域，具體涉及對眼底圖像進行分析的方法，主要用于白內(nèi)障患者的眼底圖像分析。
【背景技術(shù)】
[0002]白內(nèi)障是因晶狀體混濁，導(dǎo)致視力障礙的一種疾病。在世界范圍內(nèi)，白內(nèi)障屬于高致盲疾病之一。據(jù)統(tǒng)計資料顯示，國人白內(nèi)障罹患率，五十歲以上有60%，六十歲以上有80%，七十歲以上則高達(dá)90%以上，特別老年性白內(nèi)障可說是老年人很普遍的疾病。在美國，每年至少有四十萬以上的病人因白內(nèi)障而接受手術(shù)。
[0003]彩色眼底圖像可以用于對白內(nèi)障和囊下白內(nèi)障評估。理論上，彩色眼底圖像的模糊程度對應(yīng)著白內(nèi)障的患病程度。傳統(tǒng)方式是:眼科醫(yī)生將所觀察到的眼底圖像與一套標(biāo)準(zhǔn)的圖像比較以分配一個合理的評估結(jié)果。該處理的術(shù)語稱為“臨床評估”或者“主觀(subjective) ”評估法。為更客觀地對晶狀體混濁進行評估、分級，有經(jīng)驗的人類評估人員基于照片或者數(shù)字圖像來分配一個最能反映白內(nèi)障混濁的嚴(yán)重性的等級。該過程的術(shù)語稱為“評估員評估”或者“客觀”評估法。但是，研究表明測量結(jié)果在諸多評估員中是不一致的，對于同一評估員在不同時刻的測量結(jié)果也不是一致的。
[0004]為了克服人的主觀因素、經(jīng)驗等造成對白內(nèi)障模糊度評估的影響，開發(fā)自動基于彩色眼底圖像的白內(nèi)障模糊度評估系統(tǒng)很是有必要。為了更客觀地反映真實評估，各種不同的基于彩色眼底圖像的評估技術(shù)被研究者所應(yīng)用。
[0005]但是，當(dāng)混濁體比較密集而使得混濁區(qū)域中的對比度不夠高時，大多數(shù)基于視覺、眼底圖像的方法不令人滿意。不能真正做到穩(wěn)定、抗干擾。也就是說，現(xiàn)有對圖像評估分析方法，對于一些低對比度的圖像的評估效果不盡理想。

【發(fā)明內(nèi)容】

[0006]針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供了一種眼底圖像的模糊度分析方法，其特征在于，所述方法包括下列步驟:
[0007]a)獲取對象的眼睛的彩色眼底圖像；
[0008]b)提取所述彩色眼底圖像中的感興趣區(qū)域；
[0009]c)從所述彩色眼底圖像的感興趣區(qū)域提取圖像中的血管；
[0010]d)對所述彩色眼底圖像進行快速傅里葉變換，獲得相應(yīng)的頻域圖像；
[0011]e)基于所述血管的位置對所述彩色眼底圖像和所述頻域圖像進行特征提取，從而提取出若干與所述彩色眼底圖像中所述感興趣區(qū)域的模糊度相關(guān)的量化特征；
[0012]f)基于所述量化特征對所述彩色眼底圖像中所述感興趣區(qū)域的模糊度進行評估。
[0013]進一步地，所述步驟c)包括下列步驟:
[0014]Cl)對所述彩色眼底圖像進行RGB空間分離，獲得R通道圖像、G通道圖像和B通道圖像；[0015]c2)基于所述G通道圖像，生成二維管徑提取模型，基于所述提取模型從G通道圖像中提取血管。
[0016]進一步地，所述步驟e)包括基于所提取出的血管的位置信息從所述彩色眼底圖像提取與所述彩色眼底圖像的模糊度相關(guān)的兩個時域特征:鄰域灰度差和灰度梯度。
[0017]進一步地，所述鄰域灰度差為:所述彩色眼底圖像的所述感興趣區(qū)域中的每個像素的灰度與所述感興趣區(qū)域中所有像素的灰度的平均值之間的差值的平方和；所述灰度梯度為:所述彩色眼底圖像的圖像函數(shù)在所述感興趣區(qū)域處的一個或多個偏導(dǎo)數(shù)。
[0018]進一步地，所述步驟e)包括基于所提取出的血管的位置信息從所述頻域圖像提取兩個頻域特征:所述頻域圖像的自相關(guān)性和經(jīng)帶通濾波的所述頻域圖像的偏差。
[0019]進一步地，自相關(guān)性為所述頻域圖像的函數(shù)與其共軛的卷積；所述頻域圖像的偏差為采用不同系數(shù)的高斯函數(shù)對頻域圖像進行濾波所得到結(jié)果的偏差。
[0020]進一步地，所述步驟f )包括下列步驟:
[0021]n)將針對每個坐標(biāo)位置所提取的量化特征組成特征向量，從而形成特征向量的集合;
[0022]f2)對所述特征向量集合進行典型變量分析；
[0023]f3)基于所述典型變量分析的結(jié)果對所述彩色眼底圖像中眼睛的模糊度進行評估。
[0024]進一步地，所述步驟b)還包括:以水平行程表示法來表示所述感興趣區(qū)域。
[0025]本發(fā)明的眼底圖像模糊度分析方法，從時域圖像和頻域圖像中提取出多個穩(wěn)定、抗干擾的特征進行組合，構(gòu)成特征向量，并基于該特征向量進行模糊度分析。由于本發(fā)明將這些穩(wěn)定、抗干擾的特征相結(jié)合來進行模糊度分析，分析效果好、準(zhǔn)確率高。
[0026]此外，本發(fā)明在感興趣區(qū)域提取過程中，采用了水平行程表示法來表示所提取的感興趣區(qū)域，表示效率高。
【專利附圖】

【附圖說明】
[0027]現(xiàn)在將參考附圖來描述作為示例的本發(fā)明的【具體實施方式】，其中:
[0028]圖1為根據(jù)本發(fā)明一個實施例的模糊度分析方法的框架流程圖；
[0029]圖2為感興趣區(qū)域的存取結(jié)構(gòu)示意圖；
[0030]圖3為在一個實施例中所采集的原始的眼底圖像；
[0031]圖4為基于圖3所示的眼底圖像得到的感興趣區(qū)域(R0I)，即，圖中的白色顯示部分；
[0032]圖5為不同特征對模糊度的響應(yīng)曲線；
[0033]圖6為采用PCA和CV對特征向量的自動提取和篩選的對比圖；
[0034]圖7為基于SVM的特征分類示意圖；
[0035]圖8為清晰的眼底圖像；
[0036]圖9為對應(yīng)圖8中的清晰的眼底圖像的血管圖；
[0037]圖10為輕度模糊的眼底圖像；
[0038]圖11為對應(yīng)圖10中輕度模糊的眼底圖像的血管圖；
[0039]圖12為模糊的眼底圖像；[0040]圖13為對應(yīng)于圖12中的模糊眼底圖像的血管圖；
[0041]圖14為重度模糊的眼底圖像；
[0042]圖15為對應(yīng)于圖14中的重度模糊眼底圖像的血管圖。
【具體實施方式】
[0043]參考圖1，該圖示出了根據(jù)本發(fā)明一個實施例的模糊度分析方法的流程圖。本實施例中的模糊度分析方法用于從眼底彩色圖像中提取反映圖像模糊度的特征并基于這些特征對圖像模糊度進行評估，例如，獲得模糊度值或?qū)D像模糊度進行分級。
[0044]具體而言，如圖1所示，首先，通過圖像讀取裝置或者圖像采集裝置獲取待處理的彩色眼底圖像。然后，進行感興趣區(qū)域的識別，以剔除不需要進行處理的區(qū)域，降低計算量。繼而，在所提取出的感興趣區(qū)域之內(nèi)，進行血管的提取，確定血管的空間位置信息，并將血管的空間位置信息應(yīng)用于特征提取中。在特征提取時，本發(fā)明還對時域眼底圖像進行快速傅里葉變換，以得到相應(yīng)的頻域圖像，從而基于血管的空間位置信息，既提取原始的彩色眼底圖像(時域圖像)中的特征，又提取頻域圖像中的特征。
[0045]在本實施例中，所提取的特征包括鄰域灰度差、灰度梯度、自相關(guān)性和頻域偏差。然后，由所提取出的特征構(gòu)成特征向量，利用典型變量分析方法，來對特征向量進行處理，以實現(xiàn)降維。
[0046]在正式利用本發(fā)明的方法對圖像進行分析之前，還需要利用已經(jīng)人工分析過的圖像對分析方法進行訓(xùn)練。在進行了足夠多的訓(xùn)練之后，對于一個新的眼底圖像，就可以采用上述的方法對圖像進行評估、分級。
[0047]下面，將具體對本發(fā)明的分析方法的各個主要步驟進行進一步詳細(xì)描述。
[0048]I?感興趣區(qū)域(RO`I)的提取
[0049]在本實施例中，以光學(xué)彩色眼底圖像為例進行詳細(xì)描述。在獲取到彩色眼底圖像之后，需要提取或確定感興趣區(qū)域，例如瞳孔區(qū)域。
[0050]圖3示出了一幅光學(xué)彩色眼底圖像(以轉(zhuǎn)換為灰度模式)，其包括由黑色邊界包圍的、明亮的近似圓形的區(qū)域。提取圓形的瞳孔部分的圖像，用閾值分割方法(一個常見的圖像處理算法)進行分割，并對分割后的區(qū)域進行形態(tài)學(xué)開運算(常見的圖像處理算法)去除小的干擾部分，對開運算的結(jié)果(區(qū)域)進行連通域標(biāo)定(常見的圖像處理算法)，通過區(qū)域的面積和圓形度來得到瞳孔區(qū)域。這正是ROI區(qū)域(參見圖3和4)。
[0051]在進行ROI檢測區(qū)域提取時，以往常規(guī)ROI檢測區(qū)域都是以矩形、圓形等規(guī)則區(qū)域組成二值圖像，在對這種ROI進行存儲時，有一個明顯的缺陷:必須存儲感興趣區(qū)域以外的點，所以這種表示方法很低效，而且在標(biāo)記圖像表示多個區(qū)域時無法描述交疊區(qū)域。
[0052]所以，我們?yōu)榱双@得更高的效率和擴展性，我們引入一個新的區(qū)域表示法:水平行程表示法，在該表示方法中，將感興趣區(qū)域表示成若干行程。每一個行程的最小量數(shù)據(jù)包括該行程的縱向坐標(biāo)值、行程開始對應(yīng)的橫坐標(biāo)值和行程結(jié)束對應(yīng)的橫坐標(biāo)值，各個行程之間可以存在交疊部分。這樣，感興趣區(qū)域可以表示為該區(qū)域內(nèi)的全部行程的一個并集
[0053]
/=1[0054]此處ri表示一個行程，也可以是一個區(qū)域(在本實施例中，一個行程代表感興趣區(qū)域在同一行中的連續(xù)坐標(biāo)帶，如果在同一行中感興趣區(qū)域的坐標(biāo)具有斷點，則該行中具有多個行程，每個連續(xù)坐標(biāo)帶為一個行程)。行程A= (\，7&，7^)，其中，\是第1個行程的縱坐標(biāo)，YSi為第i個行程的橫坐標(biāo)開始值，Yei為第i個行程的橫坐標(biāo)結(jié)束值，其中ri=(Xi, ySi, yei)在R中存儲的順序隨下標(biāo)i索引遞增，此排序方法對算法的執(zhí)行速度是至關(guān)重要的。在圖2中給出了表示一個區(qū)域的行程編碼，從圖中可以看出，即便感興趣區(qū)域中存在被剔除的間隔區(qū)域，這種表示方法也能有效地表示出區(qū)域中的各個坐標(biāo)。
[0055]2.眼底血管提取
[0056]本發(fā)明的發(fā)明人發(fā)現(xiàn)，在對白內(nèi)障進行分析時，并不需要整個感興趣區(qū)域內(nèi)的所有像素，而是僅僅需要血管附近的像素就足以進行白內(nèi)障的評估分析。
[0057]因此，在進行眼底圖像模糊度分析之前，基于彩色眼底圖像進行血管的提取，然后，僅對血管區(qū)域的圖像進行特征提取。圖8-15示出了在不同模糊程度的情況下，原始圖像和提取出血管之后的圖像，從圖中可以看出，通過對血管進行提取，能夠更容易地判別出圖像的模糊程度。
[0058]由于血管顏色的特性，所以對彩色眼底圖像實施RGB空間的三通道分離，得到G通道圖像I (x，y)。并結(jié)合步驟I中的ROI區(qū)域，得到最終感興趣區(qū)域的圖像f(x，y)。
[0059]接下來利用高斯核對該圖像進行濾波，得到平衡圖像。本實施例中所采用的高斯核為:
[0060]
【權(quán)利要求】
1.一種眼底圖像的模糊度分析方法，其特征在于，所述方法包括下列步驟: a)獲取對象的眼睛的彩色眼底圖像； b)提取所述彩色眼底圖像中的感興趣區(qū)域； c)從所述彩色眼底圖像的感興趣區(qū)域提取圖像中的血管； d)對所述彩色眼底圖像進行快速傅里葉變換，獲得相應(yīng)的頻域圖像； e)基于所述血管的位置對所述彩色眼底圖像和所述頻域圖像進行特征提取，從而提取出若干與所述彩色眼底圖像中所述感興趣區(qū)域的模糊度相關(guān)的量化特征； f)基于所述量化特征對所述彩色眼底圖像中所述感興趣區(qū)域的模糊度進行評估。
2.根據(jù)權(quán)利要求1所述的眼底圖像的模糊度分析方法，其特征在于，所述步驟c)包括下列步驟: Cl)對所述彩色眼底圖像進行RGB空間分離，獲得R通道圖像、G通道圖像和B通道圖像； c2)基于所述G通道圖像，生成二維管徑提取模型，基于所述提取模型從G通道圖像中提取血管。
3.根據(jù)權(quán)利要求1所述的眼底圖像的模糊度分析方法，其特征在于，所述步驟e)包括基于所提取出的血管的位置信息從所述彩色眼底圖像提取與所述彩色眼底圖像的模糊度相關(guān)的兩個時域特征:鄰域灰度差和灰度梯度。
4.根據(jù)權(quán)利要求3所述的眼底圖像的模糊度分析方法，其特征在于，所述鄰域灰度差為:所述彩色眼底圖像的所述感興趣區(qū)域中的每個坐標(biāo)處的灰度與所述感興趣區(qū)域中所有坐標(biāo)處的灰度的平均值之間的差值的平方和；所述灰度梯度為:在所述感興趣區(qū)域中，所述彩色眼底圖像的圖像函數(shù)在每個坐標(biāo)處的一個或多個偏導(dǎo)數(shù)。
5.根據(jù)權(quán)利要求1-3中任意一項所述的眼底圖像的模糊度分析方法，其特征在于，所述步驟e)包括基于所提取出的血管的位置信息從所述頻域圖像提取兩個頻域特征:所述頻域圖像的自相關(guān)性和經(jīng)帶通濾波的所述頻域圖像的偏差。
6.根據(jù)權(quán)利要求5所述的眼底圖像的模糊度分析方法，其特征在于，自相關(guān)性為所述頻域圖像的函數(shù)與其共軛的卷積；所述頻域圖像的偏差為采用不同系數(shù)的高斯函數(shù)對頻域圖像進行濾波所得到結(jié)果的偏差。
7.根據(jù)權(quán)利要求5所述的眼底圖像的模糊度分析方法，其特征在于，所述步驟f)包括下列步驟: fl)將針對每個坐標(biāo)位置所提取的量化特征組成特征向量，從而形成特征向量的集合； f2)對所述特征向量集合進行典型變量分析； f3)基于所述典型變量分析的結(jié)果對所述彩色眼底圖像中眼睛的模糊度進行評估。
8.根據(jù)權(quán)利要求1所述的眼底圖像的模糊度分析方法，其特征在于，所述步驟b)還包括:以水平行程表示法來表示所述感興趣區(qū)域。
【文檔編號】G06K9/54GK103810492SQ201410022541
【公開日】2014年5月21日 申請日期:2014年1月17日 優(yōu)先權(quán)日:2014年1月17日
【發(fā)明者】朱江兵 申請人:北京大恒圖像視覺有限公司