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：中南大学

摘要：本发明公开了一种眼底图像补全、分类方法及系统，其中方法包括：对眼底图像进行噪声检测，并标记出噪声区域；提取所述眼底图像中的血管方向特征；以提取的血管方向特征为约束补全所述噪声区域；通过一预先训练的眼底图像分类模型对补全后的所述眼底图像进行图像分类，输出对所述眼底图像的识别、分类结果。本发明通过提取血管方向特征，并以血管方向特征为约束补全眼底图像上的噪声区域，很好地修复了受损的眼底图像；通过改进的卷积残差网络训练形成眼底图像分类模型对眼底图像进行识别、分类，能够快速且准确的提取出眼底图像上的血管特征，提高了眼底图像分类的效率和准确性。

主权项：1.一种眼底图像补全、分类方法，其特征在于，包括如下步骤：步骤S1，对眼底图像进行噪声检测，并标记出噪声区域；步骤S2，提取所述眼底图像中表征血管走向的血管方向特征；步骤S3，以提取的血管方向特征为约束补全所述噪声区域；步骤S4，通过一预先训练的眼底图像分类模型对补全后的所述眼底图像进行图像分类，输出对所述眼底图像的识别、分类结果；所述的步骤S3包括：根据待修复的像素点即噪声区域的邻域窗口内的血管方向特征图，提取血管的主方向特征作为参考序列，并计算参考序列内所有正常像素点灰度值的平均值作为噪声修复的参考值；计算邻域窗口内的所有正常像素点与待修复点间的距离权值；计算邻域窗口内的所有正常像素点与待修复点间的距离权值与参考值的乘积并累加，得到的累加值作为待修复点的像素值；所述的步骤S4中，对所述眼底图像分类模型进行预先训练的方法包括：步骤S41，从眼底图像数据库中获取眼底图像作为模型训练的样本图像；步骤S42，将所述样本图像裁剪为图像块，以扩增样本数量；步骤S43，对所述图像块进行图像预处理，以增强血管特征；步骤S44，通过改进的卷积残差网络，以增强后的所述图像块和原始的所述样本图像为训练样本，训练形成一眼底图像分类初始模型；步骤S45，对所述眼底图像分类初始模型进行性能评估，并根据评估结果调整模型训练参数；步骤S46，根据调整后的模型训练参数更新训练所述眼底图像分类初始模型并检测模型预测成功率，当成功率达到预设值时即完成眼底图像分类模型训练，否则返回步骤S41循环执行；所述步骤S44中，所述卷积残差网络包括五个依序连接的残差结构块，每个所述残差结构块包括3个3×3卷积层和一个1×1卷积层，输入图像输入到所述残差结构块后依序经过3个3×3卷积层和1个1×1卷积层的特征卷积提取后输出；每个所述残差结构块中后一个卷积层的输入为其上一个卷积层的输出和所述残差结构块的输入的累加结果；所述卷积残差网络中的第一残差结构块输入所述眼底图像，所述第一残差结构块的输出经下采样后连接第二残差结构块的输入，所述第二残差结构块的输出经下采样后连接第三残差结构块的输入，所述第三残差结构块的输出经上采样后连接第四残差结构块的输入，第四残差结构块的输出经上采样后连接第五残差结构块的输入，第五残差结构块的输出经softmax分类器的分类预测输出对输入的所述眼底图像的分类预测结果；每个所述残差结构块还包括批量归一化层和连接所述批量归一化层的PReLU函数激活层，输入到所述残差结构块的图像首先经过所述批量归一化层的批量归一化处理后，再经过PReLU函数激活层的PReLU函数的非线性激活，最后经过3个3×3卷积层和1个1×1卷积层的特征卷积提取后输出。

全文数据：

权利要求：

百度查询： 中南大学 一种眼底图像补全、分类方法及系统