一种角膜异物图像的处理方法及系统与流程

1.本发明涉及图像处理技术领域，具体而言，涉及一种角膜异物图像的处理方法及系统。


背景技术：

2.角膜位于眼球的最前端，在眼球屈光系统中起着极其重要的作用。通过光学相干断层成像仪获取角膜图像后，需对角膜图像的中特定物体（如异物）进行识别。因此如何从角膜图像中提取某类特定物体的位置是目前亟待解决的问题。而传统的角膜图像处理通常采用卷积和自适应散斑抑制滤波等方法。这些方法对减少角膜图像的散斑噪声有一定的效果，但往往无法给出光学相干层析图像理想的处理结果，影响最终的异物识别结果。


技术实现要素：

3.本发明的目的在于提供一种角膜异物图像的处理方法及系统。
4.本发明的实施例通过以下技术方案实现：一种角膜异物图像的处理方法包括以下步骤：利用光学相干断层扫描仪采集角膜图像，并对角膜图像进行预处理，生成平滑角膜图像；提取平滑角膜图像的角膜顶点集合；根据角膜顶点集合，生成角膜亮斑区域，并将角膜亮斑区域作为角膜异物存在区域。
5.进一步地，利用光学相干断层扫描仪采集角膜图像，并对角膜图像进行预处理，生成平滑角膜图像，包括以下步骤：利用光学相干断层扫描仪采集角膜图像，分别提取角膜图像各个像素点在r通道的边缘强度、在g通道的边缘强度以及在b通道的边缘强度，生成边缘强度集合；将边缘强度集合随机均分为标准边缘强度子集和训练边缘强度子集；根据训练边缘强度子集，计算图像平滑边缘权重；在标准边缘强度子集中，将小于图像平滑边缘权重的边缘强度对应的所有像素点作为待平滑像素点集合；利用自适应窗口对待平滑像素点集合进行平滑处理，生成平滑角膜图像。
6.上述进一步方案的有益效果是：在本发明中，由于光学相干断层扫描仪自身的电源和检测电路等存在，会对采集的角膜图像产生噪声影响，所以需对采集的角膜图像进行平滑处理，利用自适应窗口可以使图像的亮度变得平缓渐变，减少突变梯度，改善图像质量。在进行平滑处理前，先将角膜图像分为标准边缘强度子集和训练边缘强度子集，利用训练边缘强度子集的平滑边缘权重确定标准边缘强度子集中需平滑的像素点，使待平滑的像素点更具有泛化性。
7.进一步地，图像平滑边缘权重c的计算公式为：
式中，m
r1
表示训练边缘强度子集中r通道的最大边缘强度，m
g1
表示训练边缘强度子集中g通道的最大边缘强度，m
b1
表示训练边缘强度子集中b通道的最大边缘强度，m
r0
表示训练边缘强度子集中r通道的最小边缘强度，m
g0
表示训练边缘强度子集中g通道的最小边缘强度，m
b0
表示训练边缘强度子集中b通道的最小边缘强度，exp(
·
)表示指数运算，σ表示训练边缘强度子集中所有边缘强度的标准差。
8.上述进一步方案的有益效果是：在本发明中，图像的平滑边缘权重由各个通道的最大边缘强度和最小边缘强度进行数学运算得到，将所有边缘强度的标准差也作为影响平滑边缘权重的参数之一，可以保证图像平滑边缘权重的准确率，同时也保证在后续步骤与标准边缘强度子集中边缘强度进行大小筛选得到的待平滑像素点准确。
9.进一步地，自适应窗口对待平滑像素点集合进行平滑处理的具体方法为：将待平滑像素点集合中灰度值最小的像素点作为平滑像素点，将平滑像素点分别沿0
°
的梯度、沿45
°
的梯度、沿90
°
的梯度以及沿145
°
的梯度之和作为自适应窗口的长，将平滑像素点分别沿0
°
的梯度、沿45
°
的梯度、沿90
°
的梯度以及沿145
°
的梯度的均值作为自适应窗口的宽，利用自适应窗口从左到右进行平滑处理。
10.上述进一步方案的有益效果是：在本发明中，像素点的梯度可以反映像素点灰度值变化的速度，所以将灰度值最小的像素点沿四个方向的梯度之和以及沿四个方向的梯度均值分别作为自适应窗口的长和宽，可以使自适应窗口的尺寸更适配于该角膜图像，保证角膜图像边缘处的像素点也可以被平滑处理。
11.进一步地，提取平滑角膜图像的角膜顶点集合，包括以下子步骤：将平滑角膜图像中质心所在像素点作为中心像素点，并计算其余像素点与中心像素点之间的亮度过渡系数；根据其余像素点与中心像素点之间的亮度过渡系数，确定亮度过渡区域；提取平滑角膜图像中除亮度过渡区域外亮度过渡系数最大的四个像素点，分别为第一像素点、第二像素点、第三像素点和第四像素点；将第一像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第一角膜顶点，将第二像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第二角膜顶点，将第三像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第三角膜顶点，将第四像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第四角膜顶点，生成角膜顶点集合。
12.上述进一步方案的有益效果是：在本发明中，亮度过渡系数由该像素点与中心像素点的差值运算得到，所以亮度过渡系数可以表征该像素点与中心像素点之间的亮度变化，并亮度变化较大的区域作为亮度过渡区域，即亮斑可能存在区域。在非亮度过渡区域中，亮度过渡系数越大，则该像素点周围的亮度可能异常，而亮度过渡区域的 边界也可能存在亮度异常的像素点，将该像素点与亮度过渡区域圆心的交点连线，即可确定准确亮度异常点，作为角膜顶点。
13.进一步地，像素点与中心像素点之间的亮度过渡系数hk的计算公式为：
式中，k表示平滑角膜图像的像素点个数，hk表示第k个像素点的亮度，h0表示中心像素点的亮度。
14.进一步地，亮度过渡区域的确定方法具体为：将除中心像素点外的其余像素点中亮度过渡系数最小的像素点作为圆心，将最小亮度过渡系数的像素点与中心像素点之间的欧式距离作为半径，绘制圆形，作为亮度过渡区域。
15.进一步地，角膜亮斑区域的生成方法具体为：构建亮斑区域生成网络，将角膜顶点集合输入至亮斑区域生成网络中，生成角膜亮斑区域；其中，亮斑区域生成网络包括输入层、第一卷积层、第二卷积层、全连接层和输出层；输入层作为亮斑区域生成网络的输入端；输入层的第一输出端与第一卷积层的输入端连接；输入层的第二输出端与第二卷积层的输入端连接；第一卷积层的输出端和全连接层的第一输入端连接；第二卷积层的输出端和全连接层的第二输入端连接；全连接层的第一输出端和输出层的第一输入端连接；全连接层的第二输出端和输出层的第二输入端连接；输出层作为亮斑区域生成网络的输出端。
16.上述进一步方案的有益效果是：在本发明中，输入层用于将角膜顶点集合和平滑角膜图像输入至亮斑区域生成网络中，并将平滑角膜图像分为第一图像块和第二图像块；第一卷积层和第二卷积层分别用于对第一图像块和第二图像块进行采样处理（例如对尺寸为16
×
16
×
3的图像块进行采样，得到64
×
16
×
16的图像块）；全连接层利用分类器确定四个角膜顶点在两个图像块的分类得分，使用混合的非极大值抑制算法对平滑角膜图像进行筛选，得到角膜亮斑区域。
17.进一步地，全连接层的损失函数loss表达式为：式中，fn表示第一卷积层中第n个通道的权重，n表示第一卷积层的通道总数，g
l
表示第二卷积层中第l个通道的权重，l表示第二卷积层的通道总数，a1表示经第一卷积层输出的图像长度，b1表示经第一卷积层输出的图像宽度，a2表示经第二卷积层输出的图像长度，b2表示经第二卷积层输出的图像宽度。
18.本发明实施例的技术方案至少具有如下优点和有益效果：该角膜异物图像的处理方法通过对角膜图像进行预处理，提高图像清晰度，抑制噪声干扰，方便后续步骤进行角膜顶点提取和亮斑区域生成；同时，本发明通过对亮度参数的处理，准确地提取角膜顶点，再将角膜顶点输入至构建好的亮斑区域生成网络中，可以快速锁定异物区域，为医护人员提供参考价值。
19.基于以上系统，本发明还提出一种角膜异物图像的处理系统，包括角膜图像平滑单元、角膜顶点生成单元和角膜亮斑生成单元；角膜图像平滑单元用于利用光学相干断层扫描仪采集角膜图像，并对角膜图像进
行预处理，生成平滑角膜图像；角膜顶点生成单元用于提取平滑角膜图像的角膜顶点集合；角膜亮斑生成单元用于根据角膜顶点集合，生成角膜亮斑区域，并将角膜亮斑区域作为角膜异物存在区域。
20.本发明实施例的技术方案至少具有如下优点和有益效果：该角膜异物图像的处理系统通过对角膜图像的一系列处理，可以准确地判断异物所在区域。
附图说明
21.图1为本发明实施例提供的角膜异物图像的处理方法的流程图；图2为本发明实施例提供的角膜异物图像的处理系统的结构图；图3为本发明实施例提供的亮斑区域生成网络的结构图。
具体实施方式
22.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
23.如图1所示，本发明提供了一种角膜异物图像的处理方法，包括以下步骤：利用光学相干断层扫描仪采集角膜图像，并对角膜图像进行预处理，生成平滑角膜图像；提取平滑角膜图像的角膜顶点集合；根据角膜顶点集合，生成角膜亮斑区域，并将角膜亮斑区域作为角膜异物存在区域。
24.在本发明实施例中，在锁定异物区域后，医护人员可根据角膜异物区域进一步确定异物深度大小。
25.在本发明实施例中，利用光学相干断层扫描仪采集角膜图像，并对角膜图像进行预处理，生成平滑角膜图像，包括以下步骤：利用光学相干断层扫描仪采集角膜图像，分别提取角膜图像各个像素点在r通道的边缘强度、在g通道的边缘强度以及在b通道的边缘强度，生成边缘强度集合；将边缘强度集合随机均分为标准边缘强度子集和训练边缘强度子集；根据训练边缘强度子集，计算图像平滑边缘权重；在标准边缘强度子集中，将小于图像平滑边缘权重的边缘强度对应的所有像素点作为待平滑像素点集合；利用自适应窗口对待平滑像素点集合进行平滑处理，生成平滑角膜图像。
26.在本发明中，由于光学相干断层扫描仪自身的电源和检测电路等存在，会对采集的角膜图像产生噪声影响，所以需对采集的角膜图像进行平滑处理，利用自适应窗口可以使图像的亮度变得平缓渐变，减少突变梯度，改善图像质量。在进行平滑处理前，先将角膜图像分为标准边缘强度子集和训练边缘强度子集，利用训练边缘强度子集的平滑边缘权重确定标准边缘强度子集中需平滑的像素点，使待平滑的像素点更具有泛化性。
27.在本发明实施例中，图像平滑边缘权重c的计算公式为：式中，m
r1
表示训练边缘强度子集中r通道的最大边缘强度，m
g1
表示训练边缘强度子集中g通道的最大边缘强度，m
b1
表示训练边缘强度子集中b通道的最大边缘强度，m
r0
表示训练边缘强度子集中r通道的最小边缘强度，m
g0
表示训练边缘强度子集中g通道的最小边缘强度，m
b0
表示训练边缘强度子集中b通道的最小边缘强度，exp(
·
)表示指数运算，σ表示训练边缘强度子集中所有边缘强度的标准差。
28.在本发明中，图像的平滑边缘权重由各个通道的最大边缘强度和最小边缘强度进行数学运算得到，将所有边缘强度的标准差也作为影响平滑边缘权重的参数之一，可以保证图像平滑边缘权重的准确率，同时也保证在后续步骤与标准边缘强度子集中边缘强度进行大小筛选得到的待平滑像素点准确。
29.在本发明实施例中，自适应窗口对待平滑像素点集合进行平滑处理的具体方法为：将待平滑像素点集合中灰度值最小的像素点作为平滑像素点，将平滑像素点分别沿0
°
的梯度、沿45
°
的梯度、沿90
°
的梯度以及沿145
°
的梯度之和作为自适应窗口的长，将平滑像素点分别沿0
°
的梯度、沿45
°
的梯度、沿90
°
的梯度以及沿145
°
的梯度的均值作为自适应窗口的宽，利用自适应窗口从左到右进行平滑处理。
30.在本发明中，像素点的梯度可以反映像素点灰度值变化的速度，所以将灰度值最小的像素点沿四个方向的梯度之和以及沿四个方向的梯度均值分别作为自适应窗口的长和宽，可以使自适应窗口的尺寸更适配于该角膜图像，保证角膜图像边缘处的像素点也可以被平滑处理。
31.在本发明实施例中，提取平滑角膜图像的角膜顶点集合，包括以下子步骤：将平滑角膜图像中质心所在像素点作为中心像素点，并计算其余像素点与中心像素点之间的亮度过渡系数；根据其余像素点与中心像素点之间的亮度过渡系数，确定亮度过渡区域；提取平滑角膜图像中除亮度过渡区域外亮度过渡系数最大的四个像素点，分别为第一像素点、第二像素点、第三像素点和第四像素点；将第一像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第一角膜顶点，将第二像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第二角膜顶点，将第三像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第三角膜顶点，将第四像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第四角膜顶点，生成角膜顶点集合。
32.在本发明例中，亮度过渡系数由该像素点与中心像素点的差值运算得到，所以亮度过渡系数可以表征该像素点与中心像素点之间的亮度变化，并亮度变化较大的区域作为亮度过渡区域，即亮斑可能存在区域。在非亮度过渡区域中，亮度过渡系数越大，则该像素点周围的亮度可能异常，而亮度过渡区域的 边界也可能存在亮度异常的像素点，将该像素点与亮度过渡区域圆心的交点连线，即可确定准确亮度异常点，作为角膜顶点。
33.在本发明实施例中，像素点与中心像素点之间的亮度过渡系数hk的计算公式为：
式中，k表示平滑角膜图像的像素点个数，hk表示第k个像素点的亮度，h0表示中心像素点的亮度。
34.在本发明实施例中，亮度过渡区域的确定方法具体为：将除中心像素点外的其余像素点中亮度过渡系数最小的像素点作为圆心，将最小亮度过渡系数的像素点与中心像素点之间的欧式距离作为半径，绘制圆形，作为亮度过渡区域。
35.在本发明实施例中，角膜亮斑区域的生成方法具体为：构建亮斑区域生成网络，将角膜顶点集合输入至亮斑区域生成网络中，生成角膜亮斑区域；其中，如图3所示，亮斑区域生成网络包括输入层、第一卷积层、第二卷积层、全连接层和输出层；输入层作为亮斑区域生成网络的输入端；输入层的第一输出端与第一卷积层的输入端连接；输入层的第二输出端与第二卷积层的输入端连接；第一卷积层的输出端和全连接层的第一输入端连接；第二卷积层的输出端和全连接层的第二输入端连接；全连接层的第一输出端和输出层的第一输入端连接；全连接层的第二输出端和输出层的第二输入端连接；输出层作为亮斑区域生成网络的输出端。
36.在本发明中，输入层用于将角膜顶点集合和平滑角膜图像输入至亮斑区域生成网络中，并将平滑角膜图像分为第一图像块和第二图像块；第一卷积层和第二卷积层分别用于对第一图像块和第二图像块进行采样处理（例如对尺寸为16
×
16
×
3的图像块进行采样，得到64
×
16
×
16的图像块）；全连接层利用分类器确定四个角膜顶点在两个图像块的分类得分，使用混合的非极大值抑制算法对平滑角膜图像进行筛选，得到角膜亮斑区域。
37.在本发明实施例中，全连接层的损失函数loss表达式为：式中，fn表示第一卷积层中第n个通道的权重，n表示第一卷积层的通道总数，g
l
表示第二卷积层中第l个通道的权重，l表示第二卷积层的通道总数，a1表示经第一卷积层输出的图像长度，b1表示经第一卷积层输出的图像宽度，a2表示经第二卷积层输出的图像长度，b2表示经第二卷积层输出的图像宽度。
38.基于以上方法，本发明还提出一种角膜异物图像的处理系统，如图2所示，包括角膜图像平滑单元、角膜顶点生成单元和角膜亮斑生成单元；角膜图像平滑单元用于利用光学相干断层扫描仪采集角膜图像，并对角膜图像进行预处理，生成平滑角膜图像；角膜顶点生成单元用于提取平滑角膜图像的角膜顶点集合；角膜亮斑生成单元用于根据角膜顶点集合，生成角膜亮斑区域，并将角膜亮斑区域作为角膜异物存在区域。
39.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、
等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种角膜异物图像的处理方法，其特征在于，包括以下步骤：利用光学相干断层扫描仪采集角膜图像，并对角膜图像进行预处理，生成平滑角膜图像；提取平滑角膜图像的角膜顶点集合；根据角膜顶点集合，生成角膜亮斑区域，并将角膜亮斑区域作为角膜异物存在区域。2.根据权利要求1所述的角膜异物图像的处理方法，其特征在于：所述利用光学相干断层扫描仪采集角膜图像，并对角膜图像进行预处理，生成平滑角膜图像，包括以下步骤：利用光学相干断层扫描仪采集角膜图像，分别提取角膜图像各个像素点在r通道的边缘强度、在g通道的边缘强度以及在b通道的边缘强度，生成边缘强度集合；将边缘强度集合随机均分为标准边缘强度子集和训练边缘强度子集；根据训练边缘强度子集，计算图像平滑边缘权重；在标准边缘强度子集中，将小于图像平滑边缘权重的边缘强度对应的所有像素点作为待平滑像素点集合；利用自适应窗口对待平滑像素点集合进行平滑处理，生成平滑角膜图像。3.根据权利要求2所述的角膜异物图像的处理方法，其特征在于：所述图像平滑边缘权重c的计算公式为：式中，m
r1
表示训练边缘强度子集中r通道的最大边缘强度，m
g1
表示训练边缘强度子集中g通道的最大边缘强度，m
b1
表示训练边缘强度子集中b通道的最大边缘强度，m
r0
表示训练边缘强度子集中r通道的最小边缘强度，m
g0
表示训练边缘强度子集中g通道的最小边缘强度，m
b0
表示训练边缘强度子集中b通道的最小边缘强度，exp(
·
)表示指数运算，σ表示训练边缘强度子集中所有边缘强度的标准差。4.根据权利要求2所述的角膜异物图像的处理方法，其特征在于：所述自适应窗口对待平滑像素点集合进行平滑处理的具体方法为：将待平滑像素点集合中灰度值最小的像素点作为平滑像素点，将平滑像素点分别沿0
°
的梯度、沿45
°
的梯度、沿90
°
的梯度以及沿145
°
的梯度之和作为自适应窗口的长，将平滑像素点分别沿0
°
的梯度、沿45
°
的梯度、沿90
°
的梯度以及沿145
°
的梯度的均值作为自适应窗口的宽，利用自适应窗口从左到右进行平滑处理。5.根据权利要求1所述的角膜异物图像的处理方法，其特征在于：所述提取平滑角膜图像的角膜顶点集合，包括以下子步骤：将平滑角膜图像中质心所在像素点作为中心像素点，并计算其余像素点与中心像素点之间的亮度过渡系数；根据其余像素点与中心像素点之间的亮度过渡系数，确定亮度过渡区域；提取平滑角膜图像中除亮度过渡区域外亮度过渡系数最大的四个像素点，分别为第一像素点、第二像素点、第三像素点和第四像素点；将第一像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第一角膜顶点，将第二像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第二角膜顶点，将第三像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第三角膜顶点，将第四像素点和亮度过渡区域圆心之间的连线与亮度过渡区域的交点作为第四角膜
顶点，生成角膜顶点集合。6.根据权利要求5所述的角膜异物图像的处理方法，其特征在于：所述像素点与中心像素点之间的亮度过渡系数h
k
的计算公式为：式中，k表示平滑角膜图像的像素点个数，h
k
表示第k个像素点的亮度，h0表示中心像素点的亮度。7.根据权利要求5所述的角膜异物图像的处理方法，其特征在于：所述亮度过渡区域的确定方法具体为：将除中心像素点外的其余像素点中亮度过渡系数最小的像素点作为圆心，将最小亮度过渡系数的像素点与中心像素点之间的欧式距离作为半径，绘制圆形，作为亮度过渡区域。8.根据权利要求1所述的角膜异物图像的处理方法，其特征在于：所述角膜亮斑区域的生成方法具体为：构建亮斑区域生成网络，将角膜顶点集合输入至亮斑区域生成网络中，生成角膜亮斑区域；其中，亮斑区域生成网络包括输入层、第一卷积层、第二卷积层、全连接层和输出层；所述输入层作为亮斑区域生成网络的输入端；所述输入层的第一输出端与第一卷积层的输入端连接；所述输入层的第二输出端与第二卷积层的输入端连接；所述第一卷积层的输出端和全连接层的第一输入端连接；所述第二卷积层的输出端和全连接层的第二输入端连接；所述全连接层的第一输出端和输出层的第一输入端连接；所述全连接层的第二输出端和输出层的第二输入端连接；所述输出层作为亮斑区域生成网络的输出端。9.根据权利要求8所述的角膜异物图像的处理方法，其特征在于：所述全连接层的损失函数loss表达式为：式中，f
n
表示第一卷积层中第n个通道的权重，n表示第一卷积层的通道总数，g
l
表示第二卷积层中第l个通道的权重，l表示第二卷积层的通道总数，a1表示经第一卷积层输出的图像长度，b1表示经第一卷积层输出的图像宽度，a2表示经第二卷积层输出的图像长度，b2表示经第二卷积层输出的图像宽度。10.一种角膜异物图像的处理系统，其特征在于，包括角膜图像平滑单元、角膜顶点生成单元和角膜亮斑生成单元；所述角膜图像平滑单元用于利用光学相干断层扫描仪采集角膜图像，并对角膜图像进行预处理，生成平滑角膜图像；所述角膜顶点生成单元用于提取平滑角膜图像的角膜顶点集合；所述角膜亮斑生成单元用于根据角膜顶点集合，生成角膜亮斑区域，并将角膜亮斑区域作为角膜异物存在区域。

技术总结
本发明公开了一种角膜异物图像的处理方法及系统，涉及图像处理技术领域，其方法包括以下步骤：利用光学相干断层扫描仪采集角膜图像，并对角膜图像进行预处理，生成平滑角膜图像；提取平滑角膜图像的角膜顶点集合；根据角膜顶点集合，生成角膜亮斑区域，并将角膜亮斑区域作为角膜异物存在区域。提供了该角膜异物图像的处理方法通过对角膜图像进行预处理，提高图像清晰度，抑制噪声干扰，方便后续步骤进行角膜顶点提取和亮斑区域生成；同时，本发明通过对亮度参数的处理，准确地提取角膜顶点，再将角膜顶点输入至构建好的亮斑区域生成网络中，可以快速锁定异物区域、异物大小及嵌顿深度，为医护人员预判提供参考价值。为医护人员预判提供参考价值。为医护人员预判提供参考价值。


技术研发人员：朱群仙 徐洪霞
受保护的技术使用者：简阳市人民医院
技术研发日：2023.08.17
技术公布日：2023/9/20