资源描述：
《眼底图像的病变识别》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、眼底图像的病变识别1.原理阐述1.1前言眼底病变包括了视网膜，脉络膜，视神经及玻璃体的炎症，肿瘤，各类血管的病变，各种变性疾病及多系统疾病引起的眼部病变。不仅种类繁多，而且对视功能损害较大。目前常见而又影响视功能的眼底疾病有糖尿病视网膜病变，老年性黄斑病变，视网膜静脉阻塞等等。基于以上眼底图像对于疾病的诊断的意义，本文章结合了正常和病态的眼底图像各50幅，采用模式识别的方法先对两种图像各25幅加以训练，并进行特征值提取，在使用剩余的图像进行分类方法的评估，本文意在运用模式识别方法在医学领域应用。1.2流程说明本次模式识别的过程是：有已知样本情况的监督模式识别分类器设
2、计（训练）信息的获取与预处理特征的提取与选择分类器设计（训练）图1监督模式识别的流程图对于图像的预处理主要分成两个步骤：无效区域的填充和图像的对比度增强。病变图像无效区域Retinex预处理后的填充对比增强图像正常图像图2图像的预处理的流程图对于所给的病变图像，有部分的图像边沿是无效的黑色，这对于下一步对比度增强会带来影响，另外，在图像的特征提取上也会造成影响。如果前期部进行处理，那么，后期的分离器中则需要加入判断结构对无效区域的识别，这无疑增加特征提取的运行时间。因此，这里采用了一种简单的方法对向区域填充图像的R、G、B均值。做法是先读取有效的R、G、B值，并存入
3、数组，下一步将对数组中的值求平均即可得到该图像有效R、G、B的平均值，在向无效区域填充即可。第1页共15页图3无效填充前图4无效填充后接下来，对图像的处理是：对比度增强。由于拍照的光线对眼底图像质量起着重要作用，因此，对于明场和暗场下的蛋白质与血液的成像都有所不同，为了增强二者在图像中的识别度，采用的是Retinex图像增强的方法，设置蛋白质和血液通道，分别对R、G、B的标准差进行设定，进而得到预处理后的图像。然后，再对图像的蛋白质和血液筛选，形成25*2的特征矩阵。蛋白质通道特预处理后征值特征矩阵图像提血液通道取图5特征提取和选择图6经过蛋白质通道前图7经过蛋白质
4、通道前第2页共15页图8经过血液通道前图9经过血液通道后然后将训练集的数据进行整合，使用三种分类器（分别是最小距离分类器、Fisher线性分类器、二次分类器）进行训练。最小距离分类器特征矩阵Fisher线性分类器二次分离器图10分类器的训练最后将测试图像也进行相应的预处理和特征提取，最后输入到训练好的分类器中，进行判别，输出正确率、灵敏度和运行时间，进而对分类器的结果进行评估。训练后最小距离分类器正确率、灵敏度测试图像Fisher线性分类器和运行时间二次分离器图11分类器的测试第3页共15页2.代码实现2.1主程序部分：第4页共15页2.2无效区域的填充：第5页共1
5、5页2．3Retinex对比度增强与特征提取：2.3.1蛋白质通道functionx=blood_channel(f)fr=f(:,:,1);fg=f(:,:,2);fb=f(:,:,3);%RGB通道mr=mat2gray(im2double(fr));mg=mat2gray(im2double(fg));mb=mat2gray(im2double(fb));%数据类型归一化alf1=600;%定义标准差n=51;%定义模板大小n1=floor((n+1)/2);%计算中心fori=1:nforj=1:nb(i,j)=exp(-((i-n1)^2+(j-n1)^2
6、)/(4*alf1))/(pi*alf1);%高斯函数endendnr1=imfilter(mr,b,'conv','replicate');ng1=imfilter(mg,b,'conv','replicate');nb1=imfilter(mb,b,'conv','replicate');%卷积滤波ur1=log(nr1);ug1=log(ng1);ub1=log(nb1);tr1=log(mr);tg1=log(mg);tb1=log(mb);yr1=(tr1-ur1)/3;yg1=(tg1-ug1)/3;yb1=(tb1-ub1)/3;alf2=600;%定
7、义标准差第6页共15页fori=1:nforj=1:na(i,j)=exp(-((i-n1)^2+(j-n1)^2)/(4*alf2))/(6*pi*alf2);%高斯函数endendnr2=imfilter(mr,a,'conv','replicate');ng2=imfilter(mg,a,'conv','replicate');nb2=imfilter(mb,a,'conv','replicate');%卷积滤波ur2=log(nr2);ug2=log(ng2);ub2=log(nb2);tr2=log(mr);tg2=log(mg);tb2=log(mb
