CN108470348A - 裂隙灯眼前节断层图像特征提取方法 - Google Patents

Abstract

本发明公开了一种裂隙灯眼前节断层图像特征提取方法，包括步骤：一、用裂隙灯采集眼前节断层图像，得到眼前节彩色图像；二、将眼前节彩色图像进行色彩空间转换，对其进行多阈值二值化，区分出角膜、虹膜和晶状体潜在区域，再分别利用blob形状分析，获得角膜、虹膜和晶状体区域；三、利用形态学运算对角膜、虹膜和晶状体区域进行孔洞填充和膨胀处理；四、运用水平集算法进行边界跟踪，精确跟踪出眼前节各部分表面边界，找到眼前节。本发明克服了全图运用水平集算法速度慢的瓶颈，实现了眼前节断层图像特征的实时提取、分析，为后续求得眼前节临床参数提供了可靠的基础数据。

Description

裂隙灯眼前节断层图像特征提取方法

技术领域

本发明涉及眼科医学图像处理方法，尤其涉及一种裂隙灯眼前节断层图像特征提取方法。

背景技术

眼前节是眼球的一部分，具体包括：全部角膜、虹膜、睫状体、前房、后房、晶状体悬韧带、房角、部分晶状体、周边玻璃体、视网膜及眼外肌附着点部和结膜等。

近年来眼科医学影像技术发展迅速，使眼科医生对眼睛的观察更直接、更清晰，确诊率也更高。计算机辅助诊断技术主要研究如何通过图像处理技术对这些眼科医学影像信息进行有效的处理，辅助眼科医生的诊断甚至进行手术规划，具有重大的社会效益和广泛的应用前景。

医学图像处理技术作为计算机辅助诊断的关键不断发展，各学科的交叉已是必然的趋势。特别是随着眼科医疗的蓬勃发展，对眼科医学图像处理与分析提出的要求也越来越高，所以进一步研究研究医学图像处理与分析具有十分重要的意义。

因此，本领域的技术人员致力于开发一种基于机器视觉的眼前节断层图像特征提取方法——裂隙灯眼前节断层图像特征提取方法。现有技术中往往采用全图运用水平计算法，无法克服速度慢的瓶颈。

发明内容

有鉴于现有技术的缺陷，本发明所要解决的技术问题是提供一种裂隙灯眼前节断层图像特征提取方法，包括以下步骤：步骤一、用裂隙灯采集眼前节断层图像，得到眼前节彩色图像；步骤二、将步骤一得到的眼前节彩色图像进行色彩空间转换，使得在转换后的图像中，角膜、虹膜和晶状体的色彩分布距离最大化，然后对经过色彩空间转换后的图像进行多阈值二值化，区分出角膜潜在区域、虹膜潜在区域和晶状体潜在区域，再分别利用blob形状分析，去除噪声及干扰区域，从而获得角膜区域、虹膜区域和晶状体区域；步骤三、利用形态学运算对步骤二获得的角膜区域、虹膜区域和晶状体区域进行孔洞填充和膨胀处理；步骤四、运用水平集算法对步骤三处理后的图像进行边界跟踪，精确跟踪出眼前节各部分表面边界，找到眼前节。进一步地，裂隙灯采集的眼前节断层图像为RGB图像。

进一步地，步骤二中的色彩空间转换采用L^*U^*V^*色彩空间模型；在L^*U^*V^*色彩空间模型中，用三个分量表示颜色：L^*表示图像的亮度，U^*和V^*分别表示色差，不同颜色的色距用欧式距离来定义，如下式所示：

其中，a、b分别表示图像中的两个点，每个点均具有L^*、U^*、V^*三个分量，分别表示为L^* _a、U^* _a、V^* _a和L^* _b、U^* _b、V^* _b；△d表示a和b之间的色距。

进一步地，步骤二中的多阈值二值化需要3n个阈值空间，n≥1。因为要初步分离出角膜潜在区域、晶状体潜在区域、虹膜潜在区域，所以需要3n个阈值空间，n≥1。

进一步地，步骤二中的针对角膜潜在区域、虹膜潜在区域和晶状体潜在区域的blob形状分析分别需要做n次。即每次对多阈值二值化之后都要对其区分出来的潜在区域进行1次blob形状分析。由于有角膜潜在区域、虹膜潜在区域和晶状体潜在区3个潜在区域，故多阈值二值化需要3n个阈值，n≥1。针对角膜潜在区域、虹膜潜在区域和晶状体潜在区域的blob形状分析也分别需要做n次。

进一步地，步骤四中的眼前节各部分表面边界是指：角膜前表面、角膜后表面、虹膜前表面和晶状体前表面边界。

进一步地，眼前节断层图像为bmp或jpeg格式。

进一步地，步骤一采集的眼前节断层图像可以是相同分辨率或不同分辨率的。

技术效果

孔洞填充和膨胀处理的作用是为了水平集算法更加快速。水平集算法需要一个封闭的轮廓。如果有孔洞就相当于多了一个轮廓，会降低其后水平集算法的速度。孔洞填充和膨胀处理给了水平集算法一个初始轮廓，使得速度增快；若没有这个初始轮廓，对全图进行水平集算法则会导致速度太慢。

本发明在求得感兴趣区域粗略轮廓的前提下，再运用水平集算法以粗略轮廓作为初始水平线，对图像轮廓进行精细跟踪，克服了全图运用水平集算法速度慢的瓶颈，从而实现了眼前节断层图像特征的实时提取、分析，为后续求得眼前节临床参数提供了可靠的基础数据。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1是本发明所涉及的裂隙灯眼前节断层图像特征提取方法的一个较佳实施例的流程图。

具体实施方式

图1示出了本发明的一个实施例。在该实施例中，裂隙灯眼前节断层图像特征提取方法的流程是：先用裂隙灯采集眼前节断层图像，输入采集到的图像到计算机中，保存为压缩率较低的文件格式，例如bmp或者jpeg格式，保证图像具有更多的局部细节，这些图像可以是相同分辨率或不同分辨率的。得到眼前节彩色图像。

然后将眼前节彩色图像进行色彩空间转换，使得在转换后的图像中，角膜、虹膜和晶状体的色彩分布距离最大化。接着对其进行多阈值二值化，区分出角膜潜在区域、虹膜潜在区域和晶状体潜在区域，再分别利用blob形状分析，去除角膜潜在区域、虹膜潜在区域和晶状体潜在区域的噪声及干扰区域，从而获得角膜区域、虹膜区域和晶状体区域。

色彩空间转换采用L^*U^*V^*色彩空间模型；在L^*U^*V^*色彩空间模型中，用三个分量表示颜色：L^*表示图像的亮度，U^*和V^*分别表示色差，不同颜色的色距可以用欧式距离来定义，如下式所示：

其中，a、b分别表示图像中的两个点，每个点均具有L^*、U^*、V^*三个分量，分别表示为L^* _a、U^* _a、V^* _a和L^* _b、U^* _b、V^* _b；△d表示a和b之间的色距。

因此在该色彩空间中，距离近的点颜色差异小，距离远的点颜色差异大。在此基础上运用有先验知识的多阈值图像分割，可粗略分离出角膜潜在区域、晶状体潜在区域和虹膜潜在区域。

另外，因为要初步分离出角膜潜在区域、晶状体潜在区域和虹膜潜在区域，所以多阈值二值化需要3n个阈值，n≥1。然后针对角膜潜在区域、虹膜潜在区域和晶状体潜在区域的blob形状分析也分别需要做n次。

再然后，利用形态学运算对角膜区域、虹膜区域和晶状体区域进行孔洞填充和膨胀处理。再运用水平集算法进行边界跟踪，精确跟踪出眼前节各部分表面(包括角膜前表面、角膜后表面、虹膜前表面和晶状体前表面边界)的精细边界，找到眼前节，从计算机中输出结果。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (7)

1.一种裂隙灯眼前节断层图像特征提取方法，其特征在于，包括以下步骤：

步骤一、用裂隙灯采集眼前节断层图像，得到眼前节彩色图像；

步骤二、将所述步骤一得到的眼前节彩色图像进行色彩空间转换，使得在转换后的图像中，角膜、虹膜和晶状体的色彩分布距离最大化，然后对经过色彩空间转换后的图像进行多阈值二值化，区分出角膜潜在区域、虹膜潜在区域和晶状体潜在区域，再分别利用blob形状分析，去除噪声及干扰区域，从而获得角膜区域、虹膜区域和晶状体区域；

步骤三、利用形态学运算对所述步骤二获得的角膜区域、虹膜区域和晶状体区域进行孔洞填充和膨胀处理；

步骤四、运用水平集算法对步骤三处理后的图像进行边界跟踪，精确跟踪出眼前节各部分表面边界，找到眼前节。

2.根据权利要求1所述的裂隙灯眼前节断层图像特征提取方法，其特征在于，所述步骤二中的色彩空间转换采用L^*U^*V^*色彩空间模型；在所述L^*U^*V^*色彩空间模型中，用三个分量表示颜色：L^*表示图像的亮度，U^*和V^*分别表示色差，不同颜色的色距用欧式距离来定义，如下式所示：

其中，a、b分别表示图像中的两个点，每个点均具有L^*、U^*、V^*三个分量，分别表示为L^* _a、U^* _a、V^* _a和L^* _b、U^* _b、V^* _b；△d表示a和b之间的色距。

3.根据权利要求1所述的裂隙灯眼前节断层图像特征提取方法，其特征在于，所述步骤二中的多阈值二值化需要3n个阈值空间，n≥1。

4.根据权利要求3所述的裂隙灯眼前节断层图像特征提取方法，其特征在于，所述步骤二中的针对角膜潜在区域、虹膜潜在区域和晶状体潜在区域的blob形状分析分别需要做n次。

5.根据权利要求1所述的裂隙灯眼前节断层图像特征提取方法，其特征在于，所述步骤四中的眼前节各部分表面边界是指：角膜前表面、角膜后表面、虹膜前表面和晶状体前表面边界。

6.根据权利要求1所述的裂隙灯眼前节断层图像特征提取方法，其特征在于，眼前节断层图像为bmp或jpeg格式。

7.根据权利要求l所述的裂隙灯眼前节断层图像特征提取方法，其特征在于，所述步骤一采集的眼前节断层图像可以是相同分辨率或不同分辨率的。