(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210597106.9 (22)申请日 2022.05.30 (71)申请人 天津理工大 学 地址 300384 天津市西青区 宾水西道391号 (72)发明人 陈胜勇　白亚如　张欣鹏　 (51)Int.Cl. G06T 7/00(2017.01) G06K 9/62(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于形状抑制的眼底小目标检测方法 (57)摘要 本发明提出了一种基于形状抑制的眼底小 目标检测方法， 首先使用斑点增强细长抑制滤波 器和加性偏差校正的水平集提取初步的候选目 标， 斑点增强细长抑制滤波器来增强斑点结构抑 制细长结构， 加性偏差校正的水平 集通过最小化 经过加性偏差校正的能量函数使其收敛到像素 较少的小目标。 之后对候选目标进行阈值约束来 完成初筛， 其次提取十二个GLCM 特征其中包括现 有方法中没有使用过的特征， 且其灵敏度较高。 我们根据提取到的特征及候选目标的位置信息 进行分类。 最后在分类阶段使用随机过采样增强 (RUSBoosting)分类器来进行二分类 。 权利要求书2页 说明书6页 附图1页 CN 115147354 A 2022.10.04 CN 115147354 A 1.本发明涉及一种基于形状抑制的眼底小目标检测方法， 主 要包括以下四个步骤： 步骤1： 候选目标提取： (1)将彩色眼底图像中的绿色通道G作为输入图像， 利用基于条 形抑制的斑点增强滤波器移除具有 条形结构的眼底结构， 得到 响应图F1， 选取阈值T1对F1进 行二值化得到二 值图B1； (2)对绿色通道G进行加性偏差校正， 得到结果图P， 然后采用加性偏差校正的水平集寻 找类圆形候选目标区域， 具体步骤为： 1)首先， 定义一个半径为ρ 的圆形邻域(或矩形邻域)， 它以Oy＝{x： |x‑y|≤ρ }定义的每 个点y∈Ω为中心。 整个域Ω的划分 导致邻域Oy的划分， 即 形成Oy的划分。 对于缓慢变化的偏置场b， 每个分区的强度Oy∩Ωi被b(x)替换， 其中x∈Oy∩Ωi。 如果我们 将整个域Ω划分为两个子区域： Ω1和Ω2， Ω1和Ω2的分界线可以用曲线C表示。 应用K ‑ means聚类算法对局部强度进行分类， 可以用连续形式表示 为 其中Ib为进行加性偏置校正之后的图像， 表示进行加性偏置 校正之后的Oy图像的偏置场， 邻域Oy的强度可分为N个簇， 中心为Ci≈bi， i＝1， ......， N， ui 是一个与Ωi相关的成员函数， 约束条件为： ui(x)＝1， x∈Ωi和 Fy可以重写 为： 由于计算时σ 的特性， 只有靠近窄带的小区域的数据计算曲线C。 为了解决这个问题， 定 义了一个截断函数G(y ‑x)来引入子区域Ω1和Ω2， 聚类函数 可以改写为： 加入Gσ(y‑x)的目的是将 Oy合并到Ωi区域， 通过对y在图像域Ω上的积分来实现最小化 Ey， 其函数如下： 不相交区域Ω1和Ω2可以用 和 表示， 其中 表示 Heaviside函数， 水平集公式如下： 用标准梯度下降法最小化能量函数E得到变分水平集， 随后加入去参数化正则化函数 及邻域滤波来代替传统水平集方法中的正则化项和长度项， 然后得到其响应图F2， 选取阈 值T2对F2进行二值化得到二 值图B2； (3)将(1)(2)中的两个二 值图执行逻辑运算得到候选目标；权　利　要　求　书 1/2 页 2 CN 115147354 A 2(4)用面积(A rea)和圆度(met ric)对候选目标进行阈值分割； 步骤2： 特征提取， 对每幅图像中的每一个候选目标区域Ri， i＝1， 2...， N， 其中N为该图 像中候选目标的总数， 提取维度为 1×6的灰度共生矩阵(GLCM)特征向量， 即最大概率， 自相 关， 聚类突出， 聚类阴影， 差分熵， 差分方差， 能量； 步骤3： 分类， 将候选目标及特 征向量输入到AdaBo ost分类器中进行分类。 2.如权利要求1所述的基于形状抑制的眼底小目标检测方法， 其特征在于， 步骤1中的 (1)中所述的斑 点增强细长抑制滤波器， 引入抑制因子( λ2‑λ1)， 计算三维Hessian矩阵， 构建 增强函数VR， 其中λ1， λ2表示由Hes sian矩阵计算出的特 征值， λ3＝ λ2， 公式如下： 根据血管满足的Hessian特征值关系： λ2≈λ3Λ|λ2， 3|＞＞|λ1|， 其中Λ表示并集， 公式 (7)先根据 λ2＞＞| λ1|得到： 然后根据 λ2≈ λ3推导出： 基于斑点形结构的Hessian特征值关系 为λ1≈λ2≈λ3Λ|λ1， 2， 3|， 其中Λ表示并集， 公式 (7)可以化简为： 正则化特 征值 λ3， 得到blobness函数B： 然后得到其响应图。权　利　要　求　书 2/2 页 3 CN 115147354 A 3