欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202011237202X
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种视网膜OCT图像水平配准和图像增强方法,其特征在于,该方法包括以下步骤:

S1、图像配准:将待配准图与基准图一一进行配准,配准方向包括垂直方向与水平方向;

S2、图像处理与结果获取:将配准后的图像和基准图进行叠加平均,对平均图分出外核层ONL,对图像中外核层ONL以上的像素进行加权自适应伽马校正AGCWD,以进一步增强对比度,得到最终的结果。

2.根据权利要求1所述的视网膜OCT图像水平配准和图像增强方法,其特征在于,所述S1图像配准具体包括:S1-1、将基准图与第i幅待配准图每隔s_col列进行采样,认定采样列的轴向偏移与采样列所在s_col列的轴向偏移是一致的;

S1-2、将第i幅采样后的待配准图向左偏移R个像素,R为所设定的待配准图最大的水平偏移距离;将当前爬山位置记为p_cur=-R,进行轴向配准,根据评价函数计算与采样后的基准图的相关系数并给予保留;然后进行步骤S1-3;

S1-3、将当前爬山位置处的图像继续向右偏移step个像素,再进行轴向配准,根据评价函数得到对应位置的相关系数并给予保留,当前位置变成p_cur=p_cur+step,其中step为所设定的初始爬山步长;重复操作直至当前位置的相关系数小于前一位置的相关系数;当当前位置的相关系数小于前一位置的相关系数时,改变移动方向,将步长缩短至一半,即step’=step/2,进入步骤S1-4;

S1-4、将当前爬山位置处的图像向左偏移step’个像素,当前位置更新为p_cur=p_cur-step;判断是否存在当前位置的相关系数,若不存在,继续进行轴向配准,根据评价函数计算得到该位置的相关系数并给予保留;重复操作直至当前位置的相关系数小于前一位置的相关系数;当当前位置的相关系数小于前一位置的相关系数时,改变移动方向,将步长缩短至一半,step”=step/2,进入步骤S1-5;

S1-5、重复步骤S1-3与步骤S1-4步骤,直至step”<1;若当step”<1,则前一爬山位置即为此幅图像的最佳水平偏移位置,经前一爬山位置偏移再做轴向配准后,得到的图像即为第i幅配准后图像;

S1-6、参照步骤S1-1~步骤S1-5,将剩余待配准图像与基准图一一进行配准,得到多幅配准后的图像。

3.根据权利要求2所述的视网膜OCT图像水平配准和图像增强方法,其特征在于,所述评价函数的计算公式为:其中,I、J为尺寸大小是M*N(M为图像行数,N为图像列数)的两幅图像,I(i,j)与J(i,j)为各自图像中的像素,与 分别为各自图像像素的平均值。

4.根据权利要求2所述的视网膜OCT图像水平配准和图像增强方法,其特征在于,所述轴向配准具体包括:T1、在采样后的基准图中分割出视网膜色素上皮层RPE:对合成图进行中值滤波以消除噪声的干扰,将图像像素强度作为代价函数,运用正则动态规划算法,选取出一条灰度值最大的路径,使用savitzky-golay滤波器对路径进行平滑,平滑后的曲线即为视网膜色素上皮层RPE;

T2、确定视网膜色素上皮层RPE,在合成图中分割出内界膜层ILM:使用sobel算子对滤波后的合成图进行卷积,以检测图像垂直方向上的边缘,选取正边缘梯度作为评价函数,将内界膜层ILM的搜索范围限定在视网膜色素上皮层RPE上方30像素以上;运用正则动态规划算法,选取出正边缘梯度最大的一条路径,使用savitzky-golay滤波器对路径进行平滑,平滑后的曲线即为内界膜层ILM;

T3、在采样后的第i幅待配准图中按照步骤T1、步骤T2分割出视网膜色素上皮层RPE与内界膜层ILM;采样后基准图内界膜层ILM与采样后第i幅待配准图内界膜层ILM各列的差值即为待配准图各列的轴向偏移距离,原第i幅待配准图的对应s_col列的轴向偏移距离与采样列轴向偏移距离一致,将原第i幅待配准图的各列进行偏移校正,从而完成轴向配准。

5.根据权利要求1所述的视网膜OCT图像水平配准和图像增强方法,其特征在于,所述S2图像处理与结果获取具体包括:S2-1、将配准后的图像和基准图进行叠加平均,得到合成图;

S2-2、在合成图中,分割出外核层ONL,对外核层ONL以上部分进行加权自适应伽马校正AGCWD。

6.根据权利要求5所述的视网膜OCT图像水平配准和图像增强方法,其特征在于,所述S2-2中外核层ONL的分割步骤具体包括:在合成图中分割出视网膜色素上皮层RPE;分割出视网膜色素上皮层RPE后,使用sobel算子对滤波后的合成图进行卷积检测图像垂直方向上的边缘;将边缘梯度大于0的值置为

0,只选取负边缘梯度的绝对值作为评价函数,将外核层ONL的搜索范围限定与视网膜色素上皮层RPE上方5像素至30像素之间,运用正则动态规划算法找到一条使得评价函数最大的路径,该路径即为粗略的ONL曲线,并对该曲线进行savitzky-golay滤波,得到最终的外核层ONL。

7.根据权利要求6所述的视网膜OCT图像水平配准和图像增强方法,其特征在于,所述视网膜色素上皮层RPE的步骤具体包括:对合成图进行中值滤波以消除噪声的干扰,将图像像素强度作为代价函数,运用正则动态规划算法,选取出一条灰度值最大的路径,使用savitzky-golay滤波器对路径进行平滑,平滑后的曲线即为视网膜色素上皮层RPE。

8.根据权利要求5所述的视网膜OCT图像水平配准和图像增强方法,其特征在于,所述S2-2具体包括:S2-2-1、计算合成图的灰度值直方图pdf,然后计算每个灰度值的加权直方图参数pdfw(l),通过加权直方图参数可计算出各灰度值的加权分布函数cdfw(l),进入步骤S2-2-2;

S2-2-2、找到合成图中最大的灰度值lmax,选取合成图中外核层ONL以上的部分作为感兴趣区域ROI,使用加权分布函数cdfw(l)作为自适应参数,对感兴趣区域ROI中各灰度值的像素进行自适应伽马校正AGCWD,得到经局部增强后的结果图。

9.根据权利要求8所述的视网膜OCT图像水平配准和图像增强方法,其特征在于,所述的加权直方图参数pdfw(l)的计算公式为:所述加权分布函数cdfw(l)的计算公式为:

式中l为图像的灰度值,pdfmax与pdfmin分别为直方图统计结果的最大值与最小值,α为调整参数。

10.根据权利要求9所述的视网膜OCT图像水平配准和图像增强方法,其特征在于,所述自适应伽马校正AGCWD的计算公式为:式中T(l)即为每个灰度值经对比度增强后的结果。