买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：福州大学

摘要：本发明提出一种人机协同的红外睑板腺图像量化分析方法，包括以下步骤；步骤S1、对图像进行睑板腺腺体的语义分割，转化为二值化的腺体图像；步骤S2、识别二值化腺体图像中的单个腺体；步骤S3、自动获取腺体区域的中心线；步骤S4、基于中心线来自动计算单个腺体的长度；步骤S5、基于中心线来自动计算单个腺体的直径；步骤S6、根据上述步骤所得结果，自动计算单个腺体区域的面积；步骤S7、根据上述步骤所得结果，自动计算单个腺体区域的形变系数；步骤S8、根据上述步骤所得结果，自动计算腺体区域的显影值；步骤S9、计算图像中央区域的腺体区域所占百分比；本发明可高效而精准地识别腺体，实现睑板腺腺体主要生物参数的自动计算。

主权项：1.一种人机协同的红外睑板腺图像量化分析方法，用于识别腺体红外图像中的睑板腺区域并采集其外观特征数据，其特征在于：所述分析方法包括以下步骤；步骤S1、读入红外睑板腺图像，采用自动分割与人工微调校正相结合的方法，对图像进行睑板腺腺体的语义分割，将红外睑板腺图像转化为二值化的腺体图像；步骤S2、基于腺体图像中的连通区域，识别二值化腺体图像中的单个腺体；具体方法为沿着y轴方向对图像逐行扫描，将扫描过程中发生颜色变化的点记为腺体的入口点；对每个腺体的入口点，按如下规则操作：若该入口点不落在之前已知的任意一个连通区域内，则判定该点属于新一条腺体，计算其最大连通区域；否则，忽略该入口点；完成对所有入口的遍历处理，所有非连通的单个腺体得以被区分识别；步骤S3、自动获取腺体区域的中心线；步骤S4、基于中心线来自动计算单个腺体的长度；步骤S5、基于中心线来自动计算单个腺体的直径；步骤S6、根据上述步骤所得结果，自动计算单个腺体区域的面积；步骤S7、根据上述步骤所得结果，自动计算单个腺体区域的形变系数；步骤S8、根据上述步骤所得结果，自动计算腺体区域的显影值；步骤S9、计算图像中央区域的腺体区域所占百分比；步骤S3中，具体方法为：对单个腺体区域，首先采用基于行扫描的中心线提取方法初步获取该腺体的左、右边界点集合，计算中心点坐标；当计算得到的中心点不落在腺体区域内，判定该条腺体为弯曲腺体，则进一步采用循环腐蚀的方法获取腺体的中心线Lci；步骤S3中的基于扫描的腺体区域中心线提取，通过沿y轴方向对单个腺体区域逐行扫描实现；具体方法为，当从左到右第一次检测到腺体时，将该像素点加入腺体左边界点集合，当从右向左第一次检测到腺体时，记录该像素点加入腺体右边界点集合；将腺体左、右边界点集合中对应行左、右两点的中心作为该行的中心点；步骤S3中基于腐蚀的腺体中心线提取通过循环腐蚀实现；具体方法为：重复对单一腺体图像进行查找边缘并删除，即所述的腐蚀，直到每个像素旁只有一个相邻像素停止；若腺体边缘区域仍有留存一些影响中心线的判断的零散的像素点时，则从某个点P出发，连接与该点距离最近的一个点P1，然后再连接P1和与P1距离最近的点P2，……直到没有距离小于阈值的点可以连接，停止该过程，得到一条线；再从每个粗略中心点出发，计算该线的长度，取最长的一条线作为腺体的中心线Lci；步骤S4中，具体方法为：依次遍历选定腺体中心线上的点，依次计算相邻两点间的欧式距离并求累加和，即可得到该腺体的长度Lengthi，其单位为：像素个数；步骤S5中，具体方法为：依次遍历某一腺体中心线上的点：首先求出相邻两点连线的斜率和中点；接着从中点出发，分别沿着中垂线的两个方向向外延伸检测；当检测到的像素为非腺体部分时，计算两点之间的距离，加入该腺体的宽度的列表width中，并将中垂线与腺体边界两侧的交点分别存到LeftPoints和RightPoints列表中；遍历结束后，对width列表求平均值，即可得到该腺体的平均宽度，即作为该腺体的直径Di，其单位为：像素个数；步骤S7中，具体方法为：根据任一腺体的LeftPoints和RightPoints列表分别求出该腺体的左、右单边周长Pa和Pb，根据两个列表的首末点的中心点为a1和an，求出对应的腺体直径的标准差σD，按如下公式计算得到该腺体的形变系数DIi； 步骤S8中，具体方法为：对腺体部分的像素点进行灰度值的获取并求和取平均得AGg，也对腺体周边眼睑区域的像素点进行灰度值的获取并求和取平均得AGm，进而计算显影值OD，具体公示如下； 步骤S6中，具体方法为：对任一腺体的最大连通区域的点集进行像素数量求和，即可得到该腺体的面积Si，其单位为：像素个数；步骤S9中，具体方法为：自动识别图像中央的5条腺体，根据它们的最小外接矩形求出中央5条腺体的最小外接矩形，假设腺体的总面积为Sgland，最小外接矩形的面积为Srectangle，根据如下公式初步计算得到中央腺体的百分比Ratioc：Ratioc＝SglandSrectangle公式三；步骤S1中，对图像进行睑板腺腺体的语义分割的方法包括OSTU分割法、分水岭分割法、纯人工手动标注法，或是采用面向语义分割任务的深度学习模型进行分割。

全文数据：

权利要求：

百度查询： 福州大学 一种人机协同的红外睑板腺图像量化分析方法