CN104463140B - 一种彩色眼底图像视盘自动定位方法 - Google Patents

一种彩色眼底图像视盘自动定位方法 Download PDF

Info

Publication number
CN104463140B
CN104463140B CN201410814152.5A CN201410814152A CN104463140B CN 104463140 B CN104463140 B CN 104463140B CN 201410814152 A CN201410814152 A CN 201410814152A CN 104463140 B CN104463140 B CN 104463140B
Authority
CN
China
Prior art keywords
msub
mrow
optic disk
munderover
eye fundus
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410814152.5A
Other languages
English (en)
Other versions
CN104463140A (zh
Inventor
肖志涛
张芳
邵婷
邵一婷
耿磊
吴骏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baotou Yihui Information Technology Co ltd
Original Assignee
Tianjin Polytechnic University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Polytechnic University filed Critical Tianjin Polytechnic University
Priority to CN201410814152.5A priority Critical patent/CN104463140B/zh
Publication of CN104463140A publication Critical patent/CN104463140A/zh
Application granted granted Critical
Publication of CN104463140B publication Critical patent/CN104463140B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明涉及一种基于抛物线拟合和窗口扫描方法的彩色眼底图像视盘自动定位方法，该方法结合了视盘的自身特性和视盘与血管关系特性来定位视盘。首先提取彩色眼底图像的绿色通道并且采用改进的低帽变换粗略的提取彩色眼底图像中的血管；然后用形态学的方法去除噪声和病变干扰，并且最终提取眼底图像中最外层主血管的骨架线；紧接着采用最小二乘法拟合抛物线来初定位视盘，最后通过移动窗口灰度扫描的方法，最终定位视盘。该方法不受图像亮度、对比度和病变干扰，不仅对于正常的眼底图像能够正确的定位视盘，而且对于病变的眼底图像也能够得到正确的定位。

Description

一种彩色眼底图像视盘自动定位方法
技术领域
本发明涉及彩色眼底图像中视盘自动定位的方法，该方法不受对比度和眼底病变的影响，在正常的彩色眼底图像和病变的眼底图像中均能正确定位视盘，属于图像处理技术领域，可用于正常的和具有眼部病变的眼底图像中视盘的定位。
背景技术
视盘是眼底图像的一个重要特征，在眼底图像中视盘是一个类圆形的黄色亮区域，视神经和血管从视盘进入眼部。眼底病变在世界范围内具有较高的发病率并且具有致盲的危险，所以早期的诊断非常重要。视盘的大小、形状等参数是判断糖尿病视网膜病变的重要辅助参数。视盘的检测和定位对眼底疾病的临床诊断具有重大的意义。
目前有两类视盘定位的方法，一类基于视盘的自身特性(如眼底图像中视盘的亮度高、视盘内部灰度方差大、视盘的形状呈现类圆形)，一般将亮度最大或对比度最强的圆形区域的中心作为视盘的参考位置；也有通过寻找灰度变化幅度最大的矩形区域的中心作为视盘位置；还有的是充分结合视盘的上述三个特性，基于其中一个特性先找到候选区域，然后用剩下的两个特性去排除非视盘区域进而留下最终的视盘区域。这些方法都充分利用了视盘的外观特性，在质量较好的正常眼底图像中的视盘定位的准确率较高，但是在病变图像中，由于视盘的外观改变，大面积亮色病变区域的干扰，此时依据视盘的自身特性无法正确定位视盘。还有一类基于血管和视盘关系的视盘定位方法，大致思想是通过血管的走向或者血管结构特点与视盘的关系来定位视盘。由于血管相对稳定，特征显著，这种方法检测的精确度高。但是这些方法需要以准确提取出血管特征为前提，至少也需要精确地提取到主血管，而在低质量或病变图像中，血管特征检测仍是一个比较困难的问题。而且对于整体血管进行操作，算法较为复杂，运算时间长。
本发明通过分析局部血管和视盘的关系来定位视盘，避免了必须要精确提取整体血管特征的缺陷，提供了仅需要粗略的提取局部血管，并且对血管的骨架线进行数据运算的视盘定位方法，大大降低了算法的复杂度，提高了算法的精确度。
本发明支持项目为：天津市科技支撑计划重点项目“基于图像相位信息的糖尿病视网膜病变眼底图像自动分析软件系统(No：13ZCZDGX02100)”。
发明内容
本发明的目的是克服现有技术的上述不足，提供一种在彩色眼底图像中快速定位视盘的方法，本方法不受病变影响，能够结合视盘的自身特性以及视盘与血管关系这两种检测方法的优点。为此，本发明采用如下的技术方案。
彩色眼底图像视盘自动定位方法，包括下列步骤：
1.输入彩色眼底图像，提取RGB颜色空间中的绿色通道，用改进的低帽变换的方法粗略提取血管；
2.利用大津阈值法(OTSU)将上述结果二值化；
3.去除病变区域和背景噪声影响；
4.提取最外层主血管的骨架线；
5.基于抛物线拟合的方法初步定位视盘；
6.根据视盘的自身特性，基于窗口扫描的方法，最终定位视盘。
步骤2中，先对绿色通道图像进行低帽变换，然后将得到灰度图中的原始灰度范围映射到一个新的灰度范围，使得图像中1％的数据饱和至最低和最高亮度，以此提高图像的对比度。
步骤5中，首先提取最外层主血管的骨架线，之后在最外层主血管骨架图中以左上角为原点，水平方向向右为y轴，竖直方向向下为x轴的坐标系，将血管骨架线像素的行标号映射为x坐标，列标号映射为y坐标，血管骨架线即映射为数据点(xi，yi)，(1≤i≤N)，使用方程f(x)＝a0+a1x+a2x2来拟合这些离散数据点，确保所有数据点上的残差平方和：最小，此时 进而得到方程组：
解上述方程组求出(a0，a1，a2)，计算抛物线的顶点坐标：
步骤6中，首先提取彩色眼底图像的I通道图像；在由步骤5得到的初始位置的周围建立一个矩形感兴趣区域，其长度约为两个视盘直径；在这个矩形区域内，定义一个长度约为视盘直径的矩形滑动窗口，每次移动一个像素位置即确立一个新的矩形窗口；统计各个窗口内灰度均值和灰度方差值的乘积，在乘积值最大的滑动窗口对应的中心坐标处，最终定位视盘。
本发明与现有技术相比较具有如下优点：
本发明与现有技术相比较具有如下优点：
1.方法简单，易于实施。本发明分析发现，由接近图像边界的上下两条最粗的主血管连接而成的弧形类似于抛物线(本发明中将其称为最外层主血管)，而抛物线的顶点位置位于视盘内部；本发明使用最小二乘法对最外层主血管骨架线拟合抛物线，并将抛物线顶点确立为视盘的初始位置，算法简单，计算量小；虽然本发明基于血管的特性，但只需要最外层的血管的大致轮廓信息，可以避免因血管提取不准确造成视盘定位不准的问题；另外本发明只需对血管骨架线操作，方法简单实用，速度快。
2.准确性高。本发明结合了视盘的自身特性和视盘与血管的关系，首先基于最外层主血管和视盘位置的关系初步定位视盘，由于血管相对稳定，特征显著，这种方法检测的精确度高；紧接着基于视盘亮度大和内部灰度差异大的特性对视盘的初定位进行修正，进一步提高了定位的准确性。
3.本发明对于正常的眼底图像和病变的彩色眼底图像均能实现视盘的正确定位。
附图说明
图1：本发明的流程图。
图2：2幅眼底图像(分别为左右眼的眼底图像)。
图3：低帽变换处理前后的图像。图3-1绿色通道图像，图3-2低帽变换后图像(由于原始图像亮度较低，人眼无法辨识，所以图中展示的是每个像素的灰度值增加50后的结果)，图3-3亮度拉伸后图像。
图4：OTSU二值化图像。
图5：去噪声后的血管图。
图6：最外层主血管骨架线图。
图7：坐标系构建的示意图。
图8：彩色眼底图像视盘定位结果。图8-1到图8-4是正常的眼底图像视盘定位结果，图8-5到图8-9是有病变的眼底图像视盘定位结果。
具体实施方式
本发明的算法流程如图1所示，该方法首先提取彩色眼底图像的绿色通道，对其进行改进的低帽变换，其次采用OTSU阈值分割算法将图像二值化，接着用基于形态学的方法提取最外层主血管的骨架线，然后基于抛物线拟合的方法初定位视盘，最后通过窗口扫描的方法实现彩色眼底图像中视盘的最终定位。下面结合附图，对本发明技术方案的具体实施过程加以说明。
1.图像采集及预处理
提取彩色眼底图像的RGB颜色空间中的G(绿色)通道作为预处理图像，如图2-1所示。由图2-1可以观察出，在眼底的G通道图像中，血管相较于其他区域明显偏暗，所以可以用形态学低帽变换来粗略获取血管。
Bot-Hat变换算子的b定义为：HAT(f)＝f·b-f。其中结构元素选取长度约为主血管宽度的圆形模板。灰度图像分析中，这种方法可以在比较亮的背景中求暗的像素聚集体。但是这样求出的图像亮度和对比度都比较低。因此本发明中对低帽变换后的结果进行了亮度拉伸，将原始低帽变换得到的灰度图中的原始灰度范围映射到一个新的灰度范围，使得图像中1％的数据饱和至最低和最高亮度，以此来提高图像的对比度。如图3-1是绿色通道图像，图3-2是低帽变换后的图像(由于原始图像亮度较低，人眼无法辨识，所以图中展示的是每个像素的灰度值增加50后的结果)，图3-3是亮度拉伸后的结果图。图3-3比图3-2明显对比度增强。改进的低帽变换方法不仅可以提取亮背景中的暗区域，而且具有较高的对比度。
2.基于OTSU阈值分割
利用阈值将原图像分成前景、背景两个图像。当选取最佳阈值时，背景应该与前景差别最大，所以关键在于如何选择衡量差别的标准，而在OTSU算法中这个衡量差别的标准就是使两个类之间的灰度方差最大，即最大类间方差，其英文简称为OTSU。最大类间方差法(OTSU)的实现步骤为：
(1)计算直方图并归一化；
(2)计算图像灰度均值；
(3)计算直方图的零阶和一级矩；
(4)计算并找到最大的类间方差对应此最大方差的灰度值即为要找的阈值；
(5)用找到的阈值将图像二值化。
运用OTSU算法将图像二值化后的结果如图4所示。
此时二值图像中不仅包含血管部分，还包含一些病变区域以及背景噪声，为了更好的提取血管，必须要先去掉噪声和背景的影响。
3.基于形态学方法的最外层主血管提取
从二值图像4可以观察出靠近图像边界的上部主血管a，和下部主血管b，属于整个血管中最粗的部分，我们将a和b统称为最外层主血管。本发明采用形态学的方法提取最外层主血管。
3.1去除病变团块和噪声干扰
由于病变团块的直径要大于血管的宽度，所以采用直径大于血管宽度的圆形模板对上个步骤中获得的二值图像进行开运算提取病变团块，并从变换前的图像中将其去除，最终获得去除病变团块的二值图像。然后针对背景噪声点和较小的面积区域，设定一定的面积阈值，运用面积滤波来去除背景噪声干扰。最终结果只保留了血管部分，如图5所示。
3.2提取最外层主血管
图5中最外层主血管用箭头指出，可以直观看出，最外层主血管较粗于其它血管，是眼底血管中最粗的部分，遍历去除噪声和病变团块后的主血管图，计算最粗的血管宽度L。选取以L为直径的圆形模板，对血管图进行形态学开运算，滤除其它的血管影响，结果如图6所示。
4.视盘定位
在彩色眼底图像中主血管汇聚于视盘内部，本发明认为最外层的上下两条主血管连接而成的弧形类似于抛物线，抛物线的顶点处于两个血管交汇的位置，落在视盘内部。基于视盘与最外层主血管的这个关系，可以设计相应的视盘定位算法。
4.1坐标系的建立
本发明中采用最小二乘法拟合抛物线。首先提取最外层主血管的骨架线，之后在最外层主血管骨架图中以左上角为原点，水平方向向右为y轴，竖直方向向下为x轴的坐标系，如图7-1所示。对于提取的血管骨架线像素，将像素的行标号映射为x坐标，列标号映射为y坐标，这样血管骨架线即映射为数据点(xi，yi)，(1≤i≤N)。对于左眼的眼底图像，最外层的上下两条主血管连接而成的弧形类似于一条开口向下的抛物线；对于右眼的眼底图像，最外层血管曲线类似于开口向上的抛物线。开口相对于x轴向上或者向下的抛物线方程的一般形式为：y＝ax2+bx+c。因此采用最小二乘法拟合抛物线，实际上是确定系数(a，b，c)的值。进而视盘的初定位位置即为抛物线的顶点坐标：
4.2最小二乘法拟合抛物线
对于给定的数据点(xi，yi)，(1≤i≤N)，可用n阶多项式进行拟合曲线，如下所示：
为了使拟合出的近似曲线能尽量反映所给数据的变化趋势，要求在所有数据点上的残差：|δi|＝|f(xi)-yi|较小。常用以下三种方法来衡量误差：一是误差绝对值的最大值，即误差向量的∞-范数；二是误差绝对值的和，即误差向量1-范数；三是误差平方和的算术平方根，即误差向量的2-范数；前两种方法简单、自然，但不便于微分运算，后一种方法相当于考虑2-范数的平方，因此在曲线拟合中常采用误差平方和来度量误差的整体大小。利用上述误差平法和最小的原则来确定多项式的算法称为最小二乘法多项式拟合。确定上述多项式的过程也就是确定f(x)的系数ak(k＝0，1，2，3...n)的过程。f(x)可以看成是ak(k＝0，1，2，3...n)的函数，则偏差平方和也应该是这些系数的函数即：
在上式取得最小值时，即函数取值对应一个极值点，则S对于ak(k＝0，1，2，3...n)的一阶导数应该为零，即有：
…
转换成方程组的形式即为：
…
可以将这个方程组写成矩阵形式：
经过以上的推导可以写出最小二乘法的矩阵形式：
AX＝b
这样知道了数据坐标，即可求得矩阵A和b，并且最终获取参数X(a0 ... an)的值。由于抛物线的一般式为一元二次方程，即采用f(x)＝a0+a1x+a2x2来拟合最外层主血管骨架线映射的数据点(xi，yi)，(1≤i≤N)。视盘的初定位位置即为抛物线的顶点坐标：
4.3视盘的最终定位
最后根据血管的自身特性，采用滑动窗口灰度扫描的方法，最终定位视盘。如图2所示，视盘较亮于眼底其他结构；而且由于视盘内部包含血管和视杯等结构，视盘的结构复杂，视盘内部灰度差异较大。根据上述的两个特性，设计相应的算法，对上述初定位的结果进一步修正。具体步骤为：(1)提取彩色眼底图像HSI颜色空间的I通道图像；(2)截取以初定位的位置为中心，长度约为两个视盘直径的矩形区域；(3)在这个矩形区域内，定义一个长度约为视盘直径的矩形滑动窗口，每次移动一个像素位置即确立一个新的矩形窗口；(4)统计各个窗口内灰度均值和灰度方差值的乘积，乘积值最大的滑动窗口对应的中心坐标，即为最终确立的视盘位置。
4.4总结
本发明提出一种基于抛物线拟合的彩色眼底图像视盘自动定位方法。该方法充分利用视盘的自身特性以及视盘与血管的关系特性。发明中将靠近边界的最粗的主血管定义为最外层主血管，并且通过粗略的提取这两条血管信息进行抛物线拟合来定位视盘，算法简单；而且最后通过滑动窗口灰度扫描的方法对初定位结果进行修正，进一步提升了算法的精确度。对于DRIVE数据库、STARE数据库和本发明合作医院提供的数据库中的眼底图像进行算法测试，实验证明本发明中的方法不仅能够正确定位出正常的彩色眼底图像中的视盘，且不受对比度的影响，如图8-1至8-4所示；而且对于有病变的眼底图像(如图8-5至8-8所示)甚至血管都比较模糊的眼底图像中的视盘(如图8-9所示)，本发明中的方法也能正确实现视盘的自动定位。十字架所在位置即为定位的结果(由于几个数据库中图像的大小有差异，最终展示的结果图的大小会有所不同)。

Claims (4)

1.彩色眼底图像视盘自动定位方法，所述方法包括下列步骤：
步骤1：提取彩色眼底图像的绿色通道，进行改进的低帽运算；
步骤2：采用OTSU算法将图像二值化；
步骤3：去除病变区域和背景噪声影响；
步骤4：采用形态学方法提取最外层血管的骨架线；
步骤5：采用最小二乘法进行抛物线拟合，初步定位视盘；
步骤6：采用滑动窗口灰度扫描的方法，最终定位视盘；
所述步骤4中，首先在最外层主血管图中建立以左上角为原点、水平方向向右为y轴、竖直方向向下为x轴的坐标系，对于提取的最外层主血管骨架线上的像素点，将像素的行标号映射为x坐标，列标号映射为y坐标，得到一些离散数据点(xi，yi)，(1≤i≤N)，对这些数据点用抛物线方程f(x)＝a0+a1x+a2x2来拟合，并在抛物线的顶点坐标处初定位视盘；
所述步骤6中，首先提取彩色眼底图像HSI颜色空间的I通道图像，然后在I通道图像中截取以初定位的位置为中心、长度为两倍视盘直径的矩形区域，接着在这个矩形区域内，定义一个长度为视盘直径的矩形滑动窗口，每次移动一个像素位置即确立一个新的矩形窗口，最后统计各个窗口内灰度均值和灰度方差值的乘积，在乘积值最大的滑动窗口对应的中心坐标处，定位视盘。
2.根据权利要求1所述的彩色眼底图像视盘自动定位方法，其特征在于，步骤1中，采用低帽运算初步提取血管，然后将得到灰度图中的原始灰度范围映射到一个新的灰度范围，使得图像中1％的数据饱和至最低和最高亮度，以提高图像的对比度，其中低帽变换所选取的结构元素是直径约为主血管宽度的圆形模板。
3.根据权利要求1所述的彩色眼底图像视盘自动定位方法，其特征在于，步骤4中，采用形态学开运算的方法提取最外层主血管，进而提取其骨架线，其中采用的结构元素是以最宽的血管宽度为直径的圆形模板。
4.根据权利要求1所述的彩色眼底图像视盘自动定位方法，其特征在于，对于获取的数据点(xi，yi)，(1≤i≤N)，采用使所有数据点上的残差平方和：最小的标准，使拟合出的抛物线尽量反映所给数据的变化趋势；此时S对于ak(k＝0，1，2)的一阶导为零：
<mrow> <mfrac> <mrow> <mo>&amp;part;</mo> <mi>S</mi> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>a</mi> <mn>0</mn> </msub> </mrow> </mfrac> <mo>=</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <mn>2</mn> <mo>&amp;lsqb;</mo> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>&amp;rsqb;</mo> <mo>=</mo> <mn>0</mn> <mo>&amp;DoubleRightArrow;</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>;</mo> </mrow>
进而得到方程组：
<mrow> <msub> <mi>a</mi> <mn>0</mn> </msub> <mi>N</mi> <mo>+</mo> <msub> <mi>a</mi> <mn>1</mn> </msub> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>2</mn> </msub> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <msup> <msub> <mi>x</mi> <mi>i</mi> </msub> <mn>2</mn> </msup> <mo>=</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>;</mo> </mrow>
<mrow> <msub> <mi>a</mi> <mn>0</mn> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>1</mn> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <msub> <mi>x</mi> <mi>i</mi> </msub> <mn>2</mn> </msup> <mo>+</mo> <msub> <mi>a</mi> <mn>2</mn> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <msub> <mi>x</mi> <mi>i</mi> </msub> <mn>3</mn> </msup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>x</mi> <mi>i</mi> </msub> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>;</mo> </mrow> 1
<mrow> <msub> <mi>a</mi> <mn>0</mn> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <msub> <mi>x</mi> <mi>i</mi> </msub> <mn>2</mn> </msup> <mo>+</mo> <msub> <mi>a</mi> <mn>1</mn> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <msub> <mi>x</mi> <mi>i</mi> </msub> <mn>3</mn> </msup> <mo>+</mo> <msub> <mi>a</mi> <mn>2</mn> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <msub> <mi>x</mi> <mi>i</mi> </msub> <mn>4</mn> </msup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <msub> <mi>x</mi> <mi>i</mi> </msub> <mn>2</mn> </msup> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>;</mo> </mrow>
解方程组求出(a0，a1，a2)，计算抛物线的顶点坐标
CN201410814152.5A 2014-12-23 2014-12-23 一种彩色眼底图像视盘自动定位方法 Active CN104463140B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410814152.5A CN104463140B (zh) 2014-12-23 2014-12-23 一种彩色眼底图像视盘自动定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410814152.5A CN104463140B (zh) 2014-12-23 2014-12-23 一种彩色眼底图像视盘自动定位方法

Publications (2)

Publication Number Publication Date
CN104463140A CN104463140A (zh) 2015-03-25
CN104463140B true CN104463140B (zh) 2017-09-29

Family

ID=52909156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410814152.5A Active CN104463140B (zh) 2014-12-23 2014-12-23 一种彩色眼底图像视盘自动定位方法

Country Status (1)

Country Link
CN (1) CN104463140B (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184290B (zh) * 2015-08-25 2021-04-16 深圳怡化电脑股份有限公司 目标区域提取方法及系统
CN106204555B (zh) * 2016-06-30 2019-08-16 天津工业大学 一种结合Gbvs模型和相位一致性的视盘定位方法
CN106372593B (zh) * 2016-08-30 2019-12-10 上海交通大学 一种基于血管收敛的视盘区定位方法
CN106650596A (zh) * 2016-10-10 2017-05-10 北京新皓然软件技术有限责任公司 一种眼底图像分析方法、装置及系统
CN106530316B (zh) * 2016-10-20 2019-02-19 天津大学 综合眼底图像边缘信息和亮度信息的视盘分割方法
CN106530283A (zh) * 2016-10-20 2017-03-22 北京工业大学 一种基于svm的医疗图像血管识别方法
CN113284101A (zh) 2017-07-28 2021-08-20 新加坡国立大学 修改用于深度学习模型的视网膜眼底图像的方法
CN107451998B (zh) * 2017-08-08 2020-11-06 北京大恒普信医疗技术有限公司 一种眼底图像质量控制方法
CN107480644B (zh) * 2017-08-21 2019-11-19 吉林大学 眼底图像中视盘的定位与分割方法、装置和存储介质
CN108392174B (zh) * 2018-04-19 2021-01-19 梁建宏 一种早产儿视网膜病变的自动检查方法及系统
CN110930446B (zh) * 2018-08-31 2024-03-19 福州依影健康科技有限公司 一种眼底图像定量分析的前置处理方法及存储设备
CN110870759A (zh) * 2018-08-31 2020-03-10 福州依影健康科技有限公司 用于远程眼底筛查的质量控制方法和系统、及存储设备
CN109101950A (zh) * 2018-08-31 2018-12-28 福州依影健康科技有限公司 一种基于主血管拟合的视盘定位方法与存储设备
CN109447948B (zh) * 2018-09-28 2021-10-01 上海理工大学 一种基于病灶彩色视网膜眼底图像的视盘分割方法
CN109544540B (zh) * 2018-11-28 2020-12-25 东北大学 一种基于图像分析技术的糖尿病视网膜图像质量检测方法
CN111435612B (zh) * 2018-12-26 2022-06-21 福州依影健康科技有限公司 一种移动医疗个性化健康服务的方法和系统
CN109919881B (zh) * 2019-01-18 2023-07-28 平安科技（深圳）有限公司 基于豹纹状眼底图像的去豹纹方法及相关设备
CN111489353B (zh) * 2020-05-07 2023-06-23 清华大学深圳国际研究生院 一种眼底图像中央凹定位方法
CN112232345B (zh) * 2020-10-10 2022-10-04 安徽淘云科技股份有限公司 配置信息确定和图像有效区域提取方法和装置
CN112927242B (zh) * 2021-03-24 2022-11-22 上海大学 基于区域定位与群体智能搜索算法的快速视盘定位方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870838A (zh) * 2014-03-05 2014-06-18 南京航空航天大学 糖尿病视网膜病变的眼底图像特征提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5751815B2 (ja) * 2010-12-09 2015-07-22 キヤノン株式会社 画像処理装置、撮影システム、画像処理方法及びプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870838A (zh) * 2014-03-05 2014-06-18 南京航空航天大学 糖尿病视网膜病变的眼底图像特征提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种快速的眼底图像视盘定位方法;罗汉源，戴培山;《影像技术》;20141031(第5期);期刊1.1节，1.2节 *
基于相位信息的眼底图像视盘定位与分割方法研究;李筱涵;《万方数据》;20130619;论文摘要，第3.1、3.2节，4.1节 *

Also Published As

Publication number Publication date
CN104463140A (zh) 2015-03-25

Similar Documents

Publication Publication Date Title
CN104463140B (zh) 一种彩色眼底图像视盘自动定位方法
CN109493954B (zh) 一种基于类别判别定位的sd-oct图像视网膜病变检测系统
CN106651888B (zh) 基于多特征融合的彩色眼底图像视杯分割方法
Cheng et al. Superpixel classification based optic disc and optic cup segmentation for glaucoma screening
CN107346545A (zh) 用于视杯图像分割的改进区域生长方法
CN106204555B (zh) 一种结合Gbvs模型和相位一致性的视盘定位方法
CN104794721B (zh) 一种基于多尺度斑点检测的快速视盘定位方法
CN103870838A (zh) 糖尿病视网膜病变的眼底图像特征提取方法
CN107248161A (zh) 一种多特征融合的有监督视网膜血管提取方法
CN108564124A (zh) 一种基于支持向量机的稻瘟病菌孢子显微图像检测识别方法
CN111507932B (zh) 高特异性的糖尿病性视网膜病变特征检测方法及存储设备
CN103544686B (zh) 基于相位一致性的眼底图像微动脉瘤检测方法
CN108986106A (zh) 面向青光眼临床诊断的视网膜血管自动分割方法
CN105310645A (zh) 图像处理装置及图像处理方法
CN107480644A (zh) 眼底图像中视盘的定位与分割方法、装置和存储介质
CN108615239A (zh) 基于阈值技术和灰度投影的舌图像分割方法
CN104318565B (zh) 基于等梯度距离的双向区域增长的视网膜血管分割交互式方法
CN109341524A (zh) 一种基于机器视觉的光纤几何参数检测方法
CN106384343A (zh) 一种基于形态学处理的硬性渗出区域检测方法
CN105488799A (zh) 彩色眼底图像微动脉瘤自动检测方法
CN106530316B (zh) 综合眼底图像边缘信息和亮度信息的视盘分割方法
CN106529420B (zh) 综合眼底图像边缘信息和亮度信息的视盘中心定位方法
CN111292285B (zh) 一种基于朴素贝叶斯与支持向量机的糖网病自动筛查方法
CN110543802A (zh) 眼底图像中左右眼识别方法与装置
Sundaresan et al. Computer-assisted grading of diabetic macular edema on retinal color fundus images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220117

Address after: 300450 No. 1, cuipu Road, Yixian science and Industry Park, Tianjin Economic and Technological Development Zone

Patentee after: Siteng Heli (Tianjin) Technology Co.,Ltd.

Address before: 300160 Tianjin City Hedong District Forest Road No. 63

Patentee before: TIANJIN POLYTECHNIC University

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231212

Address after: 014010 The first floor of A3 factory building in the High tech Industrial Base Park, No. 21 Alatan Khan Street, Rare Earth Development Zone, Baotou City, Inner Mongolia Autonomous Region

Patentee after: Baotou Yihui Information Technology Co.,Ltd.

Address before: 300450 No. 1, cuipu Road, Yixian science and Industry Park, Tianjin Economic and Technological Development Zone

Patentee before: Siteng Heli (Tianjin) Technology Co.,Ltd.

TR01 Transfer of patent right