CN114343565B - 一种光学相干层析视网膜图像校正方法及装置 - Google Patents

Abstract

本申请提供了一种光学相干层析视网膜图像校正方法及装置，涉及光学相干层析技术领域。该方法包括获取人眼视网膜中心位置处的第一B‑scan图像和人眼视网膜多张连续的第二B‑scan图像，第一B‑scan图像为OCT纵向扫描获得的扫描图像，第二B‑scan图像为OCT横向扫描获得的扫描图像；计算相邻两张第二B‑scan图像的偏移量，根据偏移量将所有第二B‑scan图像进行平移，获得初步对齐的视网膜三维图像；在初步对齐的视网膜三维图像中提取中心位置处的纵向B‑scan图像作为对比图像，将对比图像和第一B‑scan图像进行图像配准，获得重构视网膜三维图像；将重构视网膜三维图像进行曲度校正，获得最终视网膜三维图像。以此方式，可以解决OCT视网膜图像失真问题。

Description

一种光学相干层析视网膜图像校正方法及装置

技术领域

本申请涉及光学相干层析技术领域，尤其是涉及一种光学相干层析视网膜图像校正方法及装置。

背景技术

光学相干层析成像技术((Optical Coherence Tomography，OCT)是一种高灵敏度、高分辨率、高速度、无入侵的三维成像技术，从而被广泛应用于对眼底疾病的诊断中。

OCT成像范围会受到光学系统的限制，因此，在几年前，OCTA的扫描范围通常为3*3mm或6*6mm，由于此时的扫描范围较小，所述图像失真还不明显，OCT视网膜图像的形态和结构与真实视网膜相差不大。而当随着光学相干层析成像技术的不断发展，现在的OCT的扫描范围可以达到12*12mm以及24*20mm，随着扫描范围的增加，OCT视网膜图像和实际视网膜的形态差别逐渐扩大，使由OCT图像直接得到的量化数据也会失真，因此，对OCT视网膜图像的校正显得尤为重要。

发明内容

为了解决OCT视网膜图像失真问题，本申请提供了一种光学相干层析视网膜图像校正方法及装置。

在本申请的第一方面，提供了一种光学相干层析视网膜图像校正方法。该方法包括：

获取人眼视网膜中心位置处的第一B-scan图像和人眼视网膜多张连续的第二B-scan图像，所述第一B-scan图像为OCT纵向扫描获得的扫描图像，所述第二B-scan图像为OCT横向扫描获得的扫描图像；

计算相邻两张所述第二B-scan图像的偏移量，根据所述偏移量将所有所述第二B-scan图像进行平移，获得初步对齐的视网膜三维图像；

在所述初步对齐的视网膜三维图像中提取中心位置处的纵向B-scan图像作为对比图像，将所述对比图像和所述第一B-scan图像进行图像配准，获得重构视网膜三维图像；

将所述重构视网膜三维图像进行曲度校正，获得最终视网膜三维图像。

通过采用上述技术方案，由多张连续的第二B-scan图像能够获得视网膜的三维图像，而通过计算第二B-scan图像的偏移量，再根据偏移量平移第二B-scan图像，能够消除扫描过程中眼睛抖动造成的图像偏移，从而获得初步对齐的视网膜三维图像；再将初步对齐的视网膜三维图像与纵向扫描的第一B-scan图像在纵向对齐，从而获得横向和深度方向都对齐的重构视网膜三维图像；最后再将重构视网膜三维图像进行曲度校正，解决了由于扫描图像只能为矩形图像导致对视网膜图像曲度的影响。

可选的，所述计算相邻两张所述第二B-scan图像的偏移量，根据所述偏移量将所有所述第二B-scan图像进行平移，获得初步对齐的视网膜三维图像包括：在所有所述第二B-scan图像中筛选出人眼视网膜处于中心位置的第二B-scan图像作为基准图像；计算相邻两张所述第二B-scan图像的偏移量，并根据所述偏移量确定其他所述第二B-scan图像相对基准图像的总偏移量；根据所述总偏移量平移所述第二B-scan图像，获得所述初步对齐的视网膜三维图像。

可选的，所述将所述对比图像和所述第一B-scan图像进行图像配准，获得重构视网膜三维图像包括：提取所述对比图像和所述第一B-scan图像的特征信息，所述特征信息为视网膜色素上皮层的位置信息；根据所述视网膜色素上皮层的位置信息将所述初步对齐的视网膜三维图像进行平移与所述第一B-scan图像对齐处理，获得所述重构视网膜三维图像。

可选的，所述将所述重构视网膜三维图像进行曲度校正包括：在预设坐标系中，计算由多张连续的所述第二B-scan图像形成的三维图像中像素点的坐标值；根据所述坐标值确定所述重构视网膜三维图像中像素点的灰度值以完成曲度校正。

可选的，所述在预设坐标系中，计算由多张连续的所述第二B-scan图像形成的三维图像中像素点的坐标值包括：计算所述重构视网膜三维图像每个像素点距原点的原点距离；计算所述重构视网膜三维图像每个像素点的横向夹角和纵向夹角，所述横向夹角为横向扫描时该数据点到中心点的夹角，所述纵向夹角为纵向扫描时该数据点到中心点的夹角；根据所述原点距离、所述横向夹角以及所述纵向夹角计算所述坐标值。

可选的，所述计算所述重构视网膜三维图像每个像素点距原点的原点距离包括：采用下式计算所述原点距离：

其中，r为所述原点距离，X、Y、Z为所述重构视网膜三维图像任一像素点的坐标值。

可选的，所述计算所述重构视网膜三维图像每个像素点的横向夹角和纵向夹角包括：采用下式计算所述横向夹角和所述纵向夹角：

其中，α₁为所述横向夹角，α₂为所述纵向夹角。

可选的，所述根据所述原点距离、所述横向夹角以及所述纵向夹角计算所述坐标值包括：采用下式计算所述坐标值：

其中，校正前的视网膜三维像素点的坐标为(m,n,s),θ₁为横向扫描的最大扫描角度，θ₂为纵向扫描的最大扫描角度，M为横向扫描分辨率，N为纵向扫描分辨率，L₀为人眼的眼轴长度，L₁为人眼的前房深度，L₂为人眼的角膜厚度，L₃为视网膜中心点距图像上端位置的距离，h₀为图像的整体高度，S为深度分辨率。

在本申请的第二方面，提供了一种光学相干层析视网膜图像校正装置。该装置包括：

获取模块，用于获取人眼视网膜中心位置处的第一B-scan图像和人眼视网膜多张连续的第二B-scan图像，所述第一B-scan图像为OCT纵向扫描获得的扫描图像，所述第二B-scan图像为OCT横向扫描获得的扫描图像；

计算模块，用于计算相邻两张所述第二B-scan图像的偏移量，根据所述偏移量将所有所述第二B-scan图像进行平移，获得初步对齐的视网膜三维图像；

配准模块，用于在所述初步对齐的视网膜三维图像中提取中心位置处的纵向B-scan图像作为对比图像，将所述对比图像和所述第一B-scan图像进行图像配准，获得重构视网膜三维图像；

曲度校正模块，用于将所述重构视网膜三维图像进行曲度校正，获得最终视网膜三维图像。

可选的，所述计算模块具体用于：在所有所述第二B-scan图像中筛选出人眼视网膜处于中心位置的第二B-scan图像作为基准图像；计算相邻两张所述第二B-scan图像的偏移量，并根据所述偏移量确定其他所述第二B-scan图像相对基准图像的总偏移量；根据所述总偏移量平移所述第二B-scan图像，获得所述初步对齐的视网膜三维图像。

应当理解，发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1是本申请实施例中OCT系统扫描获得的一张B-scan图像；

图2是本申请实施例中光学相干层析视网膜图像校正方法的流程图；

图3是本申请实施例中第二B-scan图像偏移的示意图；

图4是本申请实施例中对比图像RPE层和第一B-scan图像RPE层的示意图；

图5是本申请实施例中对比图像配准前、配准后的示意图；

图6是本申请实施例中OCT系统横向扫描时扫描光入眼的示意图；

图7是本申请实施例中曲度校正前第二B-scan图像和曲度校正后第二B-scan图像的示意图；

图8是本申请实施例中经过校正后的最终视网膜三维图像；

图9是本申请实施例中光学相干层析视网膜图像校正装置的方框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

为了便于对本申请实施例的理解，首先对本申请实施例涉及的部分术语进行解释。

在本申请的描述中，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

OCT是一种断层扫描成像方式，利用光的相干性进行扫描成像。图1示出了OCT系统扫描获得的一张B-scan图像。参见图1，OCT系统的探测光进入人眼完成的每一次扫描成为一个A-scan，即对人眼深度方向的扫描；相邻连续的多个A-scan图像组合在一起获得一个B-scan图像，相邻连续的多个B-scan图像组合在一起获得人眼视网膜的三维图像，图1中显示的图像即为一个B-scan图像。

需要说明的是，参见图1，在本实施例中，以OCT系统扫描光汇聚点为原点，眼轴为Z轴，同时Z轴方向也为文中的人眼深度方向；横向扫描方向为X轴；纵向扫描方向为Y轴。

在本申请实施例中，包括两种扫描方式，一种是沿快扫方向进行扫描，即横向扫描；另一种是沿慢扫方向进行扫描，即纵向扫描。其中，横向扫描的最大扫描角度为θ₁，纵向扫描的最大扫描角度为θ₂，在本实施例中，均以最大扫描角度进行成像。

图2示出了本申请实施例中光学相干层析视网膜图像校正方法的流程图。参见图2，该方法包括以下步骤：

步骤110：获取人眼视网膜中心位置处的第一B-scan图像和人眼视网膜多张连续的第二B-scan图像。

步骤120：计算相邻两张第二B-scan图像的偏移量，根据偏移量将所有第二B-scan图像进行平移，获得初步对齐的视网膜三维图像。

步骤130：在初步对齐的视网膜三维图像中提取中心位置处的纵向B-scan图像作为对比图像，将对比图像和第一B-scan图像进行图像配准，获得重构视网膜三维图像。

步骤140：将重构视网膜三维图像进行曲度校正，获得最终视网膜三维图像。

需要说明的是，第一B-scan图像为OCT系统纵向扫描获得的扫描图像；第二B-scan图像为OCT系统横向扫描获得的扫描图像。其中，多张连续的第二B-scan图像能够组成一个视网膜的初始三维图像。

采用上述技术方案，由多张连续的第二B-scan图像能够获得视网膜的三维图像，而通过计算第二B-scan图像的偏移量，再根据偏移量平移第二B-scan图像，能够消除扫描过程中眼睛抖动造成的图像偏移，从而获得初步对齐的视网膜三维图像；再将初步对齐的视网膜三维图像与纵向扫描的第一B-scan图像在纵向对齐，从而获得横向和深度方向都对齐的重构视网膜三维图像；最后再将重构视网膜三维图像进行曲度校正，解决了由于扫描图像只能为矩形图像导致对视网膜图像曲度的影响。

下面对上述步骤分别进行介绍。

在步骤110中，使用OCT系统纵向扫描人眼视网膜中心位置处，再横向扫描整体视网膜，获得多个扫描数据。获得扫描数据后需要先对数据进行初步加工。具体地，需要对数据进行加窗、傅里叶变换、取阈值、归一化等操作，此过程为现有技术，因此，此处不展开进行介绍。

对数据进行初步加工后，获得一张经过纵向扫描得到的第一B-scan图像，以及N张经过横向扫描得到的第二B-scan图像，每张第二B-scan图像由M条A-scan图像组成，每条A-scan图像有S个像素点，则视网膜三维图像的分辨率为M*N*S。相应地，第一B-scan图像的分辨率为N*S，第二B-scan图像的分辨率为M*S。

在步骤120中，由于OCT系统在对人眼进行扫描的过程中，会存在眼睛抖动的情况，因此，需要消除眼睛抖动带来的数据误差。在获得多张连续的第二B-scan图像后，通过计算相邻两张第二B-scan图像的偏移量，并根据偏移量对第二B-scan图像进行平移，即可消除眼睛抖动产生的图像误差。

在一些实施方式中，步骤120还包括以下步骤：

步骤121：在所有第二B-scan图像中筛选出人眼视网膜处于中心位置的第二B-scan图像作为基准图像。

步骤122：计算相邻两张第二B-scan图像的偏移量，并根据偏移量确定其他第二B-scan图像相对基准图像的总偏移量。

步骤123：根据总偏移量平移第二B-scan图像，获得初步对齐的视网膜三维图像。

具体地，在多张连续的第二B-scan图像筛选出人眼视网膜中间位置处的一张第二B-scan图像作为基准图像；再计算除该基准图像以外的其他第二B-scan图像的偏移量。需要说明的是，在计算相邻两张第二B-scan图像的偏移量时，只需计算当前第二B-scan图像相对于靠近基准图像一侧的第二B-scan图像的偏移量。在本实施例中，采用的是傅里叶梅林变换来计算相邻两张第二B-scan图像的偏移量，也可以采用其他方式计算，此处不做限制。

计算出每张第二B-scan图像相对于靠近基准图像一侧的第二B-scan图像的偏移量后，再计算每张第二B-scan图像相对于基准图像的总偏移量。具体地，计算当前第二B-scan图像的总偏移量时，只需将当前第二B-scan图像与基准图像之间的每个第二B-scan图像的偏移量进行叠加，即可得到当前第二B-scan图像相对于基准图像的总偏移量。

示例地，图3示出了第二B-scan图像偏移的示意图。参见图3，OCT系统从上至下横向扫描视网膜，获得5张第二B-scan图像。将5张第二B-scan图像按照扫描顺序依次排列。排列后再将处于中间位置的图像3设置为基准图像，图像3即为处于视网膜中间位置处的第二B-scan图像。设置基准图像后，从左至右依次计算出相邻两张图像的偏移量为：X₁、X₂、X₃以及X₄，则图像1相对于基准图像的总偏移量为X₁+X₂，图像2相对于基准图像的总偏移量为X₂，图像4相对于基准图像的总偏移量为X₃，图像5相对于基准图像的总偏移量为X₃+X₄。

计算出每张第二B-scan图像相对于基准图像的总偏移量后，按照总偏移量进行图像平移，即可得到初步对齐的视网膜三维图像。

在步骤130中，在获得初步对齐的视网膜三维图像后，将初步对齐的视网膜三维图像中心位置处的纵向B-scan图像提取出来作为对比图像。需要说明的是，初步对齐的视网膜三维图像是以像素点数据的形式存储，因此，提取时，只需要提取视网膜中心位置的像素点数据。其中，像素点的个数为N*S个。提取出对比图像后，将对比图像和扫描得到的第一B-scan图像进行配准，消除初步对齐的视网膜三维图像在深度方向误差。

在一些实施方式中，步骤130还包括以下步骤：

步骤131：提取对比图像和第一B-scan图像的特征信息，特征信息为视网膜色素上皮层的位置信息。

步骤132：根据视网膜色素上皮层的位置信息将初步对齐的视网膜三维图像进行平移与第一B-scan图像对齐处理，获得重构视网膜三维图像。

需要说明的是，视网膜色素上皮层(Pigment Epithelium Layer，RPE)为视网膜的组成结构。

在本实施例中，采用Dijkstra算法来获取对比图像RPE层和第一B-scan图像RPE层的位置信息。在一些实施方式中，获得对比图像和第一B-scan图像的RPE层的位置信息后，可以通过计算两张图像RPE层的位置差，来将初步对齐的视网膜三维图像和第一B-scan图像进行对齐。

具体地，图4示出了本申请实施例中对比图像RPE层和第一B-scan图像RPE层的示意图。图5示出了本申请实施例中对比图像配准前、配准后的示意图。参见图4和图5，先通过Dijkstra算法获取对比图像中所有A-scan图像中RPE层距离图像顶部的距离依次为H₁至H_n，再获取第一B-scan图像中所有A-scan图像中RPE层距离图像顶部的距离依次为D₁至D_n。获取距离值后，依次对应做差：H_n-D_n，得到对比图像的A-scan图像与对应位置处第一B-scan图像的A-scan图像的位置差。再将获取到的位置差进行差值平滑，并按照平滑后的位置差将对比图像进行平移。而初步对齐的视网膜三维图像与第一B-scan图像的位置差，和对比图像与第一B-scan图像的位置差相同，因此，只需将初步对齐的视网膜三维图像按照平滑后的位置差整体进行平移，即可得到深度方向以及横向均对齐的重构视网膜三维图像。

在步骤140中，将重构视网膜三维图像置于建立好的预设坐标系中。需要说明的是，预设坐标系为：以OCT系统扫描光汇聚点为原点，眼轴为Z轴；横向扫描方向为X轴；纵向扫描方向为Y轴建立的笛卡尔坐标系。再对重构视网膜三维图像进行曲度校正。

在一些实施方式中，步骤140还包括以下步骤：

步骤141：计算由多张连续的第二B-scan图像形成的三维图像中像素点的坐标值。

步骤142：根据坐标值确定重构视网膜三维图像中像素点的灰度值以完成曲度校正。

需要说明的是，由多张连续的第二B-scan图像形成的三维图像，即为扫描后未经过校正的初始视网膜三维图像。

具体地，将初始视网膜三维图像同样也放入上述预设坐标系中，来计算其像素点的坐标值，将该坐标值与重构视网膜三维图像的坐标值建立关系，从而实现一一对应。再通过对应关系将初始视网膜三维图像的灰度值赋予重构视网膜三维图像对应位置处，从而实现曲度校正。

在一些实施方式中，计算由多张连续的第二B-scan图像形成的三维图像中像素点的坐标值包括：先计算重构视网膜三维图像每个像素点距原点的原点距离；再计算重构视网膜三维图像每个像素点的横向夹角和纵向夹角；最后，根据原点距离、横向夹角以及纵向夹角计算坐标值。

需要说明的是，横向夹角为横向扫描时该数据点到中心点的夹角，纵向夹角为纵向扫描时该数据点到中心点的夹角。值得一提的是，值得一提的是，重构视网膜三维图像在横向和纵向上相邻像素点对应的成像距离是一样的，而初始视网膜三维图像的相邻像素点对应的扫描角度是一样的，因此，可以通过成像距离和扫描角度的转换关系将二者像素点的坐标值关联起来。

具体地，在一些实施方式中，采用下式计算重构视网膜三维图像每个像素点距原点的原点距离：

其中，r为所述原点距离，X、Y、Z为所述重构视网膜三维图像任一像素点的坐标值。

在一些实施方式中，采用下式计算重构视网膜三维图像每个像素点的横向夹角和纵向夹角：

其中，α₁为所述横向夹角，α₂为所述纵向夹角。

示例地，假设计算重构视网膜三维图像中坐标值为(1，1，1)的横向夹角和纵向夹角，将X＝1、Y＝1、Z＝1带入公式中，得到α₁＝45°、α₂＝45°。

计算出原点距离、横向夹角以及纵向夹角后，图6示出了本申请实施例中OCT系统横向扫描时扫描光入眼的示意图。参见图6，在一些实施方式中，采用下式计算初始视网膜三维图像的坐标值：

其中，校正前的视网膜三维像素点的坐标为(m,n,s),θ₁为横向扫描的最大扫描角度，θ₂为纵向扫描的最大扫描角度，M为横向扫描分辨率，N为纵向扫描分辨率，L₀为人眼的眼轴长度，L₁为人眼的前房深度，L₂为人眼的角膜厚度，L₃为视网膜中心点距图像上端位置的距离，h₀为图像的整体高度，S为深度分辨率。

需要说明的是，可以使用生物测量仪测得眼轴长度、前房深度以及角膜厚度。

根据重构视网膜三维图像某一像素点的坐标值计算出该像素点的扫描角度，再通过计算出的扫描角度，来计算与该像素点对应的初始视网膜三维图像中像素点的坐标值。即可将重构视网膜三维图像的像素点和初始视网膜三维图像的像素点关联起来。

计算出初始视网膜三维图像的像素点的坐标值后，根据坐标值确定重构视网膜三维图像中像素点的灰度值。具体地，在本实施例中，采用三线性差值算法来计算重构视网膜三维图像中像素点的灰度值。计算公式为：

I(X，Y，Z)＝I₀(m，n，s)

＝(1-k_m)*(1-k_n)*(1-k_s)*I₀(m₀，n₀，s₀)+k_m*(1-k_n)*(1-k_s)*I₀(m₀+1，n₀，s₀)+(1-k_m)*k_n*(1-k_s)*I₀(m₀，n₀+1，s₀)+k_m*k_n*(1-k_s)*I₀(m₀+1，n₀+1，s₀)+(1-k_m)*(1-k_n)*k_s*I₀(m₀，n₀，s₀+1)+k_m*(1一k_n)*k_s*I₀(m₀+1，n₀，s₀+1)+(1-k_m)*k_n*k_s*I₀(m₀，n₀+1，s₀+1)+k_m*k_n*k_s*I₀(m₀+1，n₀+1，s₀+1)

其中，I(X，Y，Z)为重构视网膜三维图像像素点的灰度值；I0(m，n，s)即为初始视网膜三维图像像素点的灰度值；k_m＝m-m₀；k_n＝n-n₀；k_s＝s-s₀；m₀为m向下取整；n₀为n向下取整；s₀为s向下取整。

图7示出了本申请实施例中曲度校正前第二B-scan图像和曲度校正后第二B-scan图像的示意图。图8示出了本申请实施例中经过校正后的最终视网膜三维图像。

图9示出了本申请实施例中光学相干层析视网膜图像校正装置的方框图。

参见图9，该装置包括：

获取模块901，用于获取人眼视网膜中心位置处的第一B-scan图像和人眼视网膜多张连续的第二B-scan图像，第一B-scan图像为OCT纵向扫描获得的扫描图像，第二B-scan图像为OCT横向扫描获得的扫描图像；

计算模块902，用于计算相邻两张第二B-scan图像的偏移量，根据偏移量将所有第二B-scan图像进行平移，获得初步对齐的视网膜三维图像；

配准模块903，用于在初步对齐的视网膜三维图像中提取中心位置处的纵向B-scan图像作为对比图像，将对比图像和第一B-scan图像进行图像配准，获得重构视网膜三维图像；

曲度校正模块904，用于将重构视网膜三维图像进行曲度校正，获得最终视网膜三维图像。

在一些实施方式中，计算模块902具体用于：

在所有第二B-scan图像中筛选出人眼视网膜处于中心位置的第二B-scan图像作为基准图像；

计算相邻两张第二B-scan图像的偏移量，并根据偏移量确定其他第二B-scan图像相对基准图像的总偏移量；

根据总偏移量平移第二B-scan图像，获得初步对齐的视网膜三维图像。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的装置的具体工作过程，可以参考前述方法实施例中的对应步骤，在此不再赘述。

Claims (10)

1.一种光学相干层析视网膜图像校正方法，其特征在于，包括：

获取人眼视网膜中心位置处的第一B-scan图像和人眼视网膜多张连续的第二B-scan图像，所述第一B-scan图像为OCT纵向扫描获得的扫描图像，所述第二B-scan图像为OCT横向扫描获得的扫描图像；

计算相邻两张所述第二B-scan图像的偏移量，根据所述偏移量将所有所述第二B-scan图像进行平移，获得初步对齐的视网膜三维图像；

在所述初步对齐的视网膜三维图像中提取中心位置处的纵向B-scan图像作为对比图像，将所述对比图像和所述第一B-scan图像进行图像配准，获得重构视网膜三维图像；

将所述重构视网膜三维图像进行曲度校正，获得最终视网膜三维图像。

2.根据权利要求1所述的光学相干层析视网膜图像校正方法，其特征在于，所述计算相邻两张所述第二B-scan图像的偏移量，根据所述偏移量将所有所述第二B-scan图像进行平移，获得初步对齐的视网膜三维图像包括：

在所有所述第二B-scan图像中筛选出人眼视网膜处于中心位置的第二B-scan图像作为基准图像；

计算相邻两张所述第二B-scan图像的偏移量，并根据所述偏移量确定其他所述第二B-scan图像相对基准图像的总偏移量；

根据所述总偏移量平移所述第二B-scan图像，获得所述初步对齐的视网膜三维图像。

3.根据权利要求1所述的光学相干层析视网膜图像校正方法，其特征在于，所述将所述对比图像和所述第一B-scan图像进行图像配准，获得重构视网膜三维图像包括：

提取所述对比图像和所述第一B-scan图像的特征信息，所述特征信息为视网膜色素上皮层的位置信息；

根据所述视网膜色素上皮层的位置信息将所述初步对齐的视网膜三维图像进行平移与所述第一B-scan图像对齐处理，获得所述重构视网膜三维图像。

4.根据权利要求1所述的光学相干层析视网膜图像校正方法，其特征在于，所述将所述重构视网膜三维图像进行曲度校正包括：

在预设坐标系中，计算由多张连续的所述第二B-scan图像形成的三维图像中像素点的坐标值；

根据所述坐标值确定所述重构视网膜三维图像中像素点的灰度值以完成曲度校正。

5.根据权利要求4所述的光学相干层析视网膜图像校正方法，其特征在于，所述在预设坐标系中，计算由多张连续的所述第二B-scan图像形成的三维图像中像素点的坐标值包括：

计算所述重构视网膜三维图像每个像素点距原点的原点距离；

计算所述重构视网膜三维图像每个像素点的横向夹角和纵向夹角，所述横向夹角为横向扫描时该像素点到中心点的夹角，所述纵向夹角为纵向扫描时该像素点到中心点的夹角；

根据所述原点距离、所述横向夹角以及所述纵向夹角计算所述坐标值。

6.根据权利要求5所述的光学相干层析视网膜图像校正方法，其特征在于，所述计算所述重构视网膜三维图像每个像素点距原点的原点距离包括：

采用下式计算所述原点距离：

其中，r为所述原点距离，X、Y、Z为所述重构视网膜三维图像任一像素点的坐标值。

7.根据权利要求6所述的光学相干层析视网膜图像校正方法，其特征在于，所述计算所述重构视网膜三维图像每个像素点的横向夹角和纵向夹角包括：

采用下式计算所述横向夹角和所述纵向夹角：

其中，α₁为所述横向夹角，α₂为所述纵向夹角。

8.根据权利要求7所述的光学相干层析视网膜图像校正方法，其特征在于，所述根据所述原点距离、所述横向夹角以及所述纵向夹角计算所述坐标值包括：

采用下式计算所述坐标值：

其中，校正前的视网膜三维像素点的坐标为(m,n,s),θ₁为横向扫描的最大扫描角度，θ₂为纵向扫描的最大扫描角度，M为横向扫描分辨率，N为纵向扫描分辨率，L₀为人眼的眼轴长度，L₁为人眼的前房深度，L₂为人眼的角膜厚度，L₃为视网膜中心点距图像上端位置的距离，h₀为图像的整体高度，S为深度分辨率。

9.一种光学相干层析视网膜图像校正装置，其特征在于，包括：

获取模块，用于获取人眼视网膜中心位置处的第一B-scan图像和人眼视网膜多张连续的第二B-scan图像，所述第一B-scan图像为OCT纵向扫描获得的扫描图像，所述第二B-scan图像为OCT横向扫描获得的扫描图像；

计算模块，用于计算相邻两张所述第二B-scan图像的偏移量，根据所述偏移量将所有所述第二B-scan图像进行平移，获得初步对齐的视网膜三维图像；

配准模块，用于在所述初步对齐的视网膜三维图像中提取中心位置处的纵向B-scan图像作为对比图像，将所述对比图像和所述第一B-scan图像进行图像配准，获得重构视网膜三维图像；

曲度校正模块，用于将所述重构视网膜三维图像进行曲度校正，获得最终视网膜三维图像。

10.根据权利要求9所述的光学相干层析视网膜图像校正装置，其特征在于，所述计算模块具体用于：

在所有所述第二B-scan图像中筛选出人眼视网膜处于中心位置的第二B-scan图像作为基准图像；

计算相邻两张所述第二B-scan图像的偏移量，并根据所述偏移量确定其他所述第二B-scan图像相对基准图像的总偏移量；

根据所述总偏移量平移所述第二B-scan图像，获得所述初步对齐的视网膜三维图像。

Images