基于hd-oct视网膜图像的脉络膜层自动分割方法
【专利摘要】本发明公开了一种基于高分辨率频域光学相干断层（HD-OCT）图像的脉络膜层自动分割方法，属于图像处理【技术领域】。该方法首先对输入的HD-OCT图像进行去噪预处理，并通过定位内界膜去除视网膜神经纤维层附近的高反射率区域，然后根据高反射率信息定位视网膜色素上皮层的下边界，即脉络膜层的上边界，最后利用图搜索方法将利用脉络膜下边界的图像特性得到的候选CSI边界点相连，就得到脉络膜的CSI边界。实验结果表明，本发明中所得到的脉络膜层分割精度较高，与手动分割结果相当，可以代替临床医生手动测量脉络膜层厚度的繁琐耗时工作，对提高医生的工作效率具有重要意义。
【专利说明】基于HD-OCT视网膜图像的脉络膜层自动分割方法
【技术领域】
[0001]本发明涉及一种图像分割处理的方法，特别是一种基于高分辨率频域光学相干断层(HD-OCT)视网膜图像的脉络膜层自动分割方法。
【背景技术】
[0002]HD-OCT视网膜图像是一种高分辨率的频域光学相干断层成像图像，它可以有效地呈现脉络膜层的脉络膜巩膜界面(CSI)，临床实验表明HD-OCT图像与增强深度成像光学相干断层成像(ED1-OCT)图像都能够用于测量脉络膜层的厚度。传统的视网膜层分割方法不适用于脉络膜层的分割，因为脉络膜层的CSI边界在图像上表现较弱、且由于血管的影响存在边界断裂的现象。最近两年主要出现了如下三种脉络膜层分割方法:
[0003](I)基于纹理和形状信息的两阶段统计模型。该方法是针对1060nm OCT系统的分割方法，且需要大量的训练样本。[0004](2)基于梯度和图论的分割方法。该方法是针对ED1-OCT图像的，在ED1-0CT图像中，由于成像焦距靠近脉络膜层，所以视网膜色素上皮层(RPE)的反射率相对来说是最高的，不存在视网膜神经纤维层(RNFL)的干扰问题，因此通过反射率就可以容易地得到RPE层。该方法中CSI候选点是通过寻找局部灰度谷底得到的，脉络膜层中的血管影响会导致很多错误的CSI候选点，这对后续的图论分割造成了一定的困难。
[0005](3)基于图论的多阶段分割方法。该方法是一种半自动的分割方法，分割的对象是一般的频域光学相干断层成像(SD-OCT)图像。
[0006]现有的脉络膜层分割方法不适用于HD-OCT图像，因为不同的成像图像具有不同的成像特性，如ED1-OCT图像中RNFL层的反射率明显低于RPE层，而HD-OCT图像中两者的反射率相当。
【发明内容】
[0007]本发明的目的在于提供一种基于HD-OCT视网膜图像的自动脉络膜层分割方法。
[0008]实现本发明的目的的技术解决方案为:一种基于HD-OCT视网膜图像的自动脉络膜层分割方法，包括以下步骤:
[0009]步骤1、采集HD-OCT视网膜图像；
[0010]步骤2、采用改进的双边滤波算法对输入图像进行去噪处理；具体是将传统的双边滤波的各项同性高斯邻域窗口改为各项异性的高斯邻域窗口，其中，传统的双边滤波算法的公式为:
[0011]
【权利要求】
1.一种基于HD-OCT视网膜图像的脉络膜层自动分割方法，其特征在于，包括以下步骤: 步骤1、采集HD-OCT视网膜图像； 步骤2、采用改进的双边滤波算法对输入图像进行去噪处理； 步骤3、根据玻璃体和视网膜的反射率差异定位ILM层； 步骤4、去除与ILM层相近的高反射率RNFL层； 步骤5、利用高反射率和视网膜的结构特性估计RPE层； 步骤6、在RPE层的下边界附近根据垂直梯度算法得到候选的BM边界点，然后采用四阶多项式拟合得到最终的BM ； 步骤7、基于步骤6得到的BM拉平输入图像，然后将CSI分割限定在BM下方的200个像素厚的窄带区域； 步骤8、根据CSI下方像素的反射率渐变特性得到CSI的候选边界点； 步骤9、通过图搜索在候选CSI边界点中寻找初步的CSI边界，然后采用四阶多项式拟合得到最终的CSI。
2.根据权利要求1所述的基于HD-OCT视网膜图像的脉络膜层自动分割方法，其特征在于，步骤2采用改进的双边滤波算法对输入图像进行去噪处理具体是将传统的双边滤波的各项同性高斯邻域窗口改为各项异性的高斯邻域窗口，其中，传统的双边滤波算法的公式为:
3.根据权利要求1所述的基于HD-OCT视网膜图像的脉络膜层自动分割方法，其特征在于，步骤3中根据玻璃体和视网膜的反射率差异定位ILM层具体为: 通过阈值得到玻璃体区域，然后寻找玻璃体的最下方边界点从而得到ILM层，所述阈值为41。
4.根据权利要求1所述的基于HD-OCT视网膜图像的脉络膜层自动分割方法，其特征在于，步骤4去除与ILM层相近的高反射率RNFL层，具体为: 步骤4-1、生成模板图像M，其中ILM层像素置为1，其余像素置为O ; 步骤4-2、用数学形态学对模板图像进行膨胀，所用公式为:
Ms=M ⊕ S 式中‘ ⊕ ’表示膨胀算子，S为半径30个像素的圆盘形结构元； 步骤4-3、将与Ms目标区域相连的高反射率RNFL层进行去除。
5.根据权利要求1所述的基于HD-OCT视网膜图像的脉络膜层自动分割方法，其特征在于，步骤5利用高反射率和视网膜的结构特性估计RPE层的具体步骤为: 步骤5-1、将RNFL层以外的高反射率区域置为候选RPE层区域； 步骤5-2、根据RPE层的厚度约束去除厚度大于20个像素的虚假RPE区域； 步骤5-3、将每列的候选RPE区域的中心点作为RPE层的中轴点，然后采用四阶多项式拟合得到RPE层的中轴线。
6.根据权利要求1所述的基于HD-OCT视网膜图像的脉络膜层自动分割方法，其特征在于，步骤6中RPE层的下边界附近为RPE层中轴线下方的20个像素窄带区域内；候选的BM边界点的选取方法为: 将每列中在此窄带区域内的最大垂直梯度点作为候选的BM边界点，然后采用四阶多项式拟合得到最终的BM。
7.根据权利要求1所述的基于HD-OCT视网膜图像的脉络膜层自动分割方法，其特征在于，步骤8根据CSI下方像素的反射率渐变特性得到CSI的候选边界点的具体步骤为: 步骤8-1、生成灰度渐变距离图像D
8.根据权利要求1所述的基于HD-OCT视网膜图像的脉络膜层自动分割方法，其特征在于，步骤9采用图搜索和多项式拟合得到最终CSI的具体步骤为: 步骤9-1、构造图G= (V，E)，其中候选CSI边界点作为图G中的顶点V，每个顶点与后续的k列顶点相连，E为图G中边的集合，图中任意两个顶点a和b之间的边权重通过下式计算:
【文档编号】G06T7/00GK103514605SQ201310473464
【公开日】2014年1月15日 申请日期:2013年10月11日 优先权日:2013年10月11日
【发明者】陈强, 牛四杰, 时佳佳, 沈宏烈 申请人:南京理工大学