[0012] 图1为三级分解滤波器组示意图;
[0013] 图2为NSDFB八方向划分示意图;
[0014] 图3为NSCT结构分解示意图;
[0015] 图4为本发明专利的方法流程示意图。具体实施方案
[0016] 本发明一种自适应尺度分解的眼底图像血管随机共振检测方法,该方法具体包括以下步骤:
[0017] 步骤1:将原始眼底图像记为源图像P,M和N表示源图像P的行列尺寸。对P进行第1级NSCT变换,得到1个低通子带图像和8个方向的高频分量子带图像。NSCT具有平移不变特性使得这些子带图像与源图像具有相同的尺寸大小M×N。
[0018] 本发明中的NSCT变换首先进行非下采样金字塔分解(NSP),通过双正交小波‘9‑7’构建滤波器组得到一个低通滤波器L和高通滤波器H,设则滤波器L和H的矩阵构造分别由滤波器系数li,j和hi,j决定,取c=3,滤波器L和H的矩阵形式分别如式(1)和(2)所示。
[0019]
[0020]
[0021] 其中l0,0=0.3245066567828517,l0,1=l1,0=0.1643662782633664,l0,2=[0022] l2,0=‑0.18830187186854155,l0,3=l3,0=‑0.013629023704276572,[0023] l1,1=0.0740121520471188,l1,2=l2,1=‑0.02131840020457929,
[0024] l2,2=‑0.01306636838062783,l1,3=l3,1=‑0.007296122436400075,l2,3=[0025] l3,2=0.001762583572331734,l3,3=0.003080092825681339,
[0026] h0,0=1.669154993235563,h0,1=h1,0=‑0.24975066285895303,h0,2=[0027] h2,0=‑0.055805733503531366,h0,3=h3,0=0.028522425973203154,[0028] h1,1=‑0.1692097602584649,
[0029] h1,2=h2,1=‑0.022942609349085995,h2,2=0.01351698519464063,h1,3=[0030] h3,1=0.021391819479902367,h2,3=h3,2=0.008556727791960947,[0031] h3,3=0.0014261212986601578。
[0032] 源图像P分别与低通滤波器L和高通滤波器H进行卷积运算,如式(3)和(4)所示,得到一个低通子带图像E1和一个高频分量图像F1。其中*为卷积符号,下同。
[0033] E1=P*L (3)
[0034] F1=P*H (4)
[0035] 获得的高频分量图像F1可通过非下采样方向滤波器组(NSDFB)进行多方向分解,如式(5)所示。其中三级分解滤波器组进行方向分解的具体流程示意图如附图1所示,8个方向的选择示意图如附图2所示。采用梅花采样方向滤波器组,加入扇形垂直滤波器A和扇形水平滤波器B,对高频分量图像进行三级分解,可以得到8个方向的高频分量子带图像。其中·为矩阵相乘符号。
[0036]
[0037] 2级分解梅花采样矩阵定义为:
[0038]
[0039] 3级分解梅花采样矩阵定义为:
[0040]
[0041] 扇形滤波器矩阵定义为:
[0042]
[0043] 即对源图像P进行一次NSCT变换后得到1个低通子带图像E1和8个方向的高频分量子带图像F1,1~F1,8。
[0044] 步骤2:基于能量最大规则,按式(9)对前述步骤得到的8个方向的高频分量子带图像进行融合,得到融合后的子带合成图F1max。
[0045] F1max(x,y)=MAX(F1,j(x,y),j=1,2,...8) (9)
[0046] 其中F1,j(x,y)表示高频分量子带图像F1,j中(x,y)位置所对应的像素值,其中0
[0047] 利用逐行扫描将F1max降维成一维信号,然后将其作为Duffing随机共振模型的输入信号,Duffing随机共振模型可以用式(10)所示的方程描述:
[0048]
[0049] 其中,k为阻尼比惯性系数;s(t)表示随机共振模型的输入,即为F1max降维所对应的一维信号;ξ(t)为附加内噪声,且满足:<ξ(t)>=0,<ξ(t)ξ(t')>=2Dδ(t‑t'),D为噪声强度;v表示随机共振模型的输出信号。U(v)为如式(11)所示的势函数,其中参数a和b决定了系统的势阱位置和势垒高度。参数设定如下:k=1,a=1,b=1。
[0050]
[0051] 以峰值信噪比为评价指标调节Duffing随机共振模型中的附加内噪声强度,将输出信号v逐行重构回二维信号得到随机共振响应图像Y1,当Y1的峰值信噪比达到最大值时,表明此时的附加内噪声强度对应于最优随机共振响应。其中峰值信噪比PSNR的计算方式如式(12)和(13)所示:
[0052]
[0053]
[0054] 步骤3:根据步骤2中最优随机共振响应时所对应的峰值信噪比指标,若指标高于最低标准值T,则将前述步骤中得到的低通子带图E1继续进行下一级的NSCT变换,此时将得到新尺度下的1个低通子带图像E2和8个方向的高频分量子带图像F2,1~F2,8。其中最低标准值T的设定,可根据源图像P的局部区域信噪比结果进行自适应调整,一般可随机选取源图像P的若干个局部区域并计算它们所对应的信噪比,比较获得最小的信噪比数值,最后将T设定为此数值的50%。
[0055] 步骤4:重复执行步骤2和步骤3直到峰值信噪比指标低于设定的最低标准值T,则计算自动结束。假设此时进行了第n级NSCT变换,则结果包括不同尺度下的n个低通子带图像E1,E2,...En以及n个最优随机共振响应结果Y1,Y2,...Yn。
[0056] 步骤5:对步骤4中得到的n个不同尺度的低通子带图像E1,E2,...En通过区域能量加权平均规则进行融合。图像En的区域能量ENn通过式(14)和(15)定义。
[0057]
[0058]
[0059] 其中En(i,j)为En在(i,j)点的像素值,ENn(i,j)为En在(i,j)点处的能量,wdα,β为对应的窗口函数。考虑到低通子带图像的方向性和中心像素特点,选定α={‑1,0,1},β={‑1,0,1},设定窗口函数wdα,β如式(16)所示。
[0060]
[0061] 计算各个低通子带图像E1,E2,...En的区域能量EN1,EN2,...ENn,则低通子带图像Ei的权值 为:
[0062]
[0063] n个低通子带图像E1,E2,...En经过式(18)进行融合,得到低通子带融合图像E*。
[0064]
[0065] 基于峰值信噪比数值的加权方法对步骤4中得到的n个最优随机共振响应Y1,Y2,...Yn进行加权融合,则Yi的权值 为:
[0066]
[0067] 其中PSNRi,i=1,…n,表示第i次最优随机共振响应的峰值信噪比数值。
[0068] n个最优随机共振响应Y1,Y2,...Yn经过式(20)进行融合,得到融合结果Y*。
[0069]
[0070] 步骤6:对步骤5中得到的融合结果E*和Y*进行NSCT逆变换重构,得到重构后的图像,图像经过二值化阈值处理后即可得到最终的眼底图像血管检测结果。上述步骤设计中所用到的NSCT结构分解示意图如附图3所示。本发明专利的流程示意图如附图4所示。