CN108470348A - 裂隙灯眼前节断层图像特征提取方法 - Google Patents
裂隙灯眼前节断层图像特征提取方法 Download PDFInfo
- Publication number
- CN108470348A CN108470348A CN201810149528.3A CN201810149528A CN108470348A CN 108470348 A CN108470348 A CN 108470348A CN 201810149528 A CN201810149528 A CN 201810149528A CN 108470348 A CN108470348 A CN 108470348A
- Authority
- CN
- China
- Prior art keywords
- anterior ocular
- ocular segment
- slit
- region
- iris
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
Landscapes
- Engineering & Computer Science (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
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810149528.3A CN108470348A (zh) | 2018-02-13 | 2018-02-13 | 裂隙灯眼前节断层图像特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810149528.3A CN108470348A (zh) | 2018-02-13 | 2018-02-13 | 裂隙灯眼前节断层图像特征提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108470348A true CN108470348A (zh) | 2018-08-31 |
Family
ID=63266577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810149528.3A Pending CN108470348A (zh) | 2018-02-13 | 2018-02-13 | 裂隙灯眼前节断层图像特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108470348A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110761A (zh) * | 2019-04-18 | 2019-08-09 | 温州医科大学 | 基于机器视觉的眼前节断层图像的图像特征提取方法 |
CN111340776A (zh) * | 2020-02-25 | 2020-06-26 | 浙江大学 | 一种基于多维特征自适应融合的圆锥角膜识别方法和系统 |
CN111861977A (zh) * | 2020-05-27 | 2020-10-30 | 温州医科大学附属眼视光医院 | 一种基于机器视觉的眼前节断层图像的特征提取方法 |
WO2023092929A1 (zh) * | 2021-11-24 | 2023-06-01 | 复旦大学附属眼耳鼻喉科医院 | 一种检测核黄素在角膜中渗透深度的方法及装置 |
CN116309661A (zh) * | 2023-05-23 | 2023-06-23 | 广东麦特维逊医学研究发展有限公司 | 眼前节oct图像轮廓提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2595320Y (zh) * | 2002-02-10 | 2003-12-31 | 厦门大学 | 扫描式裂隙灯显微眼前节图像分析仪 |
CN102136135A (zh) * | 2011-03-16 | 2011-07-27 | 清华大学 | 眼前节光学相干层析图像的角膜及眼前房内轮廓提取方法 |
CN104013384A (zh) * | 2014-06-11 | 2014-09-03 | 温州眼视光发展有限公司 | 眼前节断层图像特征提取方法 |
CN104157002A (zh) * | 2014-08-14 | 2014-11-19 | 东南大学 | 一种基于色彩空间变换的彩色图像纹理力触觉再现方法 |
CN107909589A (zh) * | 2017-11-01 | 2018-04-13 | 浙江工业大学 | 一种结合C‑V水平集和GrabCut算法的牙齿图像分割方法 |
-
2018
- 2018-02-13 CN CN201810149528.3A patent/CN108470348A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2595320Y (zh) * | 2002-02-10 | 2003-12-31 | 厦门大学 | 扫描式裂隙灯显微眼前节图像分析仪 |
CN102136135A (zh) * | 2011-03-16 | 2011-07-27 | 清华大学 | 眼前节光学相干层析图像的角膜及眼前房内轮廓提取方法 |
CN104013384A (zh) * | 2014-06-11 | 2014-09-03 | 温州眼视光发展有限公司 | 眼前节断层图像特征提取方法 |
CN104157002A (zh) * | 2014-08-14 | 2014-11-19 | 东南大学 | 一种基于色彩空间变换的彩色图像纹理力触觉再现方法 |
CN107909589A (zh) * | 2017-11-01 | 2018-04-13 | 浙江工业大学 | 一种结合C‑V水平集和GrabCut算法的牙齿图像分割方法 |
Non-Patent Citations (4)
Title |
---|
DOMINIC WILLIAMS等: "Automatic segmentation of anterior segment optical coherence tomography images", 《JOURNAL OF BIOMEDICAL OPTICS》 * |
大学生嵌入式系统专题邀请赛组委会组编著: "《大学生嵌入式系统专题邀请赛优秀作品选编 第四届》", 31 March 2010 * |
孙延奎: "光学相干层析医学图像处理及其应用", 《光学精密工程》 * |
邓爱军等: "《实用临床眼科病学》", 31 March 2011 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110761A (zh) * | 2019-04-18 | 2019-08-09 | 温州医科大学 | 基于机器视觉的眼前节断层图像的图像特征提取方法 |
WO2020211173A1 (zh) * | 2019-04-18 | 2020-10-22 | 温州医科大学 | 基于机器视觉的眼前节断层图像的图像特征提取方法 |
CN111340776A (zh) * | 2020-02-25 | 2020-06-26 | 浙江大学 | 一种基于多维特征自适应融合的圆锥角膜识别方法和系统 |
CN111340776B (zh) * | 2020-02-25 | 2022-05-03 | 浙江大学 | 一种基于多维特征自适应融合的圆锥角膜识别方法和系统 |
CN111861977A (zh) * | 2020-05-27 | 2020-10-30 | 温州医科大学附属眼视光医院 | 一种基于机器视觉的眼前节断层图像的特征提取方法 |
WO2023092929A1 (zh) * | 2021-11-24 | 2023-06-01 | 复旦大学附属眼耳鼻喉科医院 | 一种检测核黄素在角膜中渗透深度的方法及装置 |
CN116309661A (zh) * | 2023-05-23 | 2023-06-23 | 广东麦特维逊医学研究发展有限公司 | 眼前节oct图像轮廓提取方法 |
CN116309661B (zh) * | 2023-05-23 | 2023-08-08 | 广东麦特维逊医学研究发展有限公司 | 眼前节oct图像轮廓提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470348A (zh) | 裂隙灯眼前节断层图像特征提取方法 | |
Zahoor et al. | Fast optic disc segmentation in retina using polar transform | |
Ter Haar | Automatic localization of the optic disc in digital colour images of the human retina | |
CN108765392B (zh) | 一种基于滑动窗口的消化道内镜病变检测和识别方法 | |
Lim et al. | Automatic classification of diabetic macular edema in digital fundus images | |
CN104835150B (zh) | 一种基于学习的眼底血管几何关键点图像处理方法及装置 | |
Zong et al. | U-net based method for automatic hard exudates segmentation in fundus images using inception module and residual connection | |
CN103606152B (zh) | 基于sift特征点聚类及布尔差运算的dsa血管图像分割方法 | |
SG187675A1 (en) | Corneal graft evaluation based on optical coherence tomography image | |
Khan et al. | CDR based glaucoma detection using fundus images: a review | |
CN106570530A (zh) | 一种眼底影像中硬性渗出提取的方法 | |
CN108734701A (zh) | 一种Placido环图像形态变化识别算法 | |
Patil et al. | Development of primary glaucoma classification technique using optic cup & disc ratio | |
WO2020029064A1 (zh) | 光学相干断层图像处理方法 | |
Lu et al. | Automatic parapapillary atrophy shape detection and quantification in colour fundus images | |
Zhou et al. | A novel approach for red lesions detection using superpixel multi-feature classification in color fundus images | |
Shyam et al. | Blood vessel segmentation in fundus images and detection of glaucoma | |
Septiarini et al. | Peripapillary atrophy detection in fundus images based on sectors with scan lines approach | |
Tulasigeri et al. | An advanced thresholding algorithm for diagnosis of glaucoma in fundus images | |
Lin et al. | Pupil localization for ophthalmic diagnosis using anchor ellipse regression | |
Sharma et al. | Optic disc detection using vessel characteristics and disc features | |
CN110148455B (zh) | 宫颈液基薄片图像之炎性细胞消除方法 | |
Youssef et al. | A fuzzy-based image segmentation on diabetic retinopathy model | |
Syga et al. | A fully automated 3D in-vivo delineation and shape parameterization of the human lamina cribrosa in optical coherence tomography | |
Kiran et al. | Automatic detection of glaucoma using 2-D DWT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180831 |
|
RJ01 | Rejection of invention patent application after publication |