技術(shù)特征：

1.一種糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法，其特征在于，包括以下步驟：

步驟1、采集SD OCT視網(wǎng)膜圖像和CFP眼底圖像；

步驟2、采用雙邊濾波算法對(duì)SD OCT視網(wǎng)膜圖像進(jìn)行去噪；

步驟3、利用二維的層分割方法定位視網(wǎng)膜神經(jīng)纖維層RNFL和光感受器內(nèi)節(jié)/外節(jié)IS/OS，從而限制高反射信號(hào)所在區(qū)域；

步驟4、利用自適應(yīng)閾值法確定高反射信號(hào)種子點(diǎn)集合，并根據(jù)基于人類視覺特性的區(qū)域生長(zhǎng)法分割出高反射信號(hào)區(qū)域；

步驟5、根據(jù)SD OCT視網(wǎng)膜圖像生成投影圖像，與CFP眼底圖像配準(zhǔn)，獲得裁剪后CFP眼底圖像；

步驟6、利用多尺度的顯著性檢測(cè)法結(jié)合閾值法分割出裁剪后CFP眼底圖像中的硬性滲出；

步驟7、根據(jù)裁剪后CFP眼底圖像中硬性滲出定位SD OCT視網(wǎng)膜圖像中的硬性滲出，在SD OCT視網(wǎng)膜圖像中進(jìn)行硬性滲出與高反射信號(hào)的相關(guān)性分析，分別得出硬性滲出與高反射信號(hào)在面積、數(shù)目、高度、灰度這些特征上存在的關(guān)系。

2.根據(jù)權(quán)利要求1所述的糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法，其特征在于，步驟2采用雙邊濾波算法對(duì)輸入圖像進(jìn)行去噪處理，雙邊濾波算法的公式為：

$h\left(x\right)=k^{-1}\left(x\right){\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}f\left(\mathrm{\ξ}\right)c(\mathrm{\ξ},x)s\left(f\right(\mathrm{\ξ}),f(x\left)\right)d\mathrm{\ξ}$

式中f和h分別為輸入和輸出圖像，函數(shù)c(ξ,x)用于測(cè)量鄰域中心點(diǎn)x和鄰域點(diǎn)ξ之間的空間距離，函數(shù)s用于測(cè)量?jī)牲c(diǎn)間的灰度相似性，函數(shù)c和函數(shù)s都是高斯函數(shù)，是歸一化函數(shù)。

3.根據(jù)權(quán)利要求1所述的糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法，其特征在于，步驟3中利用二維的層分割方法定位RNFL和IS/OS，從而限制高反射信號(hào)所在區(qū)域，具體為：

步驟3-1、采用圖論的方法去估計(jì)內(nèi)界膜ILM邊界，主要利用垂直方向的梯度和像素灰度構(gòu)造邊的權(quán)值，具體權(quán)值構(gòu)造如下：

式中I_a和I_a為相鄰兩個(gè)像素點(diǎn)a和b的灰度值，g_a和g_b表示像素點(diǎn)a和b的歸一化梯度圖像，λ代表相似度系數(shù)，取值為2.0，是一個(gè)很小的保真項(xiàng)，取值為1×10^-5，*為卷積操作；

然后采用動(dòng)態(tài)規(guī)劃策略求解最短路徑，即ILM邊界，具體最小權(quán)值函數(shù)定義：

$d(i,j)=\underset{i-w\≤m\≤i+w}{min}\{d(m,j-1)+W(n_{m,j-1},n_{i,j})\}$

且式中w為窗口大小，這里取作2，n_i,j表示圖在第i行，第j列的節(jié)點(diǎn)，i-w≥1，i+w≤M，M是圖一列節(jié)點(diǎn)的數(shù)目；

步驟3-2、從ILM邊界往下一定距離尋找梯度最大處的像素點(diǎn)，即為RNFL下邊界，梯度最大處像素點(diǎn)的集合定義為：

$mGrad=\left\{(i,j)\right|j\∈\[1,M\],i=\underset{v\∈\[ILM\left(j\right),ILM\left(j\right)+\mathrm{\Δ}\]}{\arg }\{\max g*I(v,j)\}\}$

其中i,j表示圖像中的第i行，第j列，Δ取值為90，g為梯度算子，即[1,1,1,1,0,-1,-1,-1,-1]；

步驟3-3、根據(jù)原圖像的灰度漸變圖像結(jié)合曲線擬合的方法分割I(lǐng)S/OS邊界，所述曲線擬合方法為四次多項(xiàng)式曲線擬合，具體為：

步驟3-3-1、首先根據(jù)下式構(gòu)造灰度漸變圖G:

$G(i,j)=\left\{\begin{array}{cccc}0& if& \left(I\right(i,j)-I(i+1,j\left)\right)\≥10,& 1\≤i\≤M\\ G(i+1,j)+1& if& \left(I\right(i,j)-I(i+1,j\left)\right)\<10& 1\≤i\<10\end{array}\right.;$

步驟3-3-2、求出灰度漸變圖的梯度圖像，采用濾波器[-1；1]對(duì)灰度漸變圖像進(jìn)行濾波得到灰度漸變圖像的梯度圖，找到梯度圖像中每一列灰度最大的像素點(diǎn)，同時(shí)排除灰度小于最大灰度一半的像素點(diǎn)，然后對(duì)剩下的像素點(diǎn)進(jìn)行曲線擬合得到曲線f₁；

步驟3-3-3、在曲線f₁上方200像素單位距離內(nèi)尋找灰度最大的像素點(diǎn)，根據(jù)最初找到的灰度最大點(diǎn)初次擬合曲線后，排除曲線上方的像素點(diǎn)，再次對(duì)剩下的像素點(diǎn)進(jìn)行擬合，得到曲線f₂；

步驟3-3-4、在曲線f₂上方30像素范圍內(nèi)尋找梯度最大的像素點(diǎn)，并擬合曲線，排除曲線上方的像素點(diǎn)，再次擬合得到最終的曲線，即IS/OS邊界。

4.根據(jù)權(quán)利要求1所述的糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法，其特征在于，步驟4利用自適應(yīng)閾值法確定高反射信號(hào)種子點(diǎn)集合，并根據(jù)基于人類視覺特性的區(qū)域生長(zhǎng)法分割出高反射信號(hào)區(qū)域的具體步驟為：

步驟4-1、通過迭代最大類間方差法逐步逼近最佳閾值，不斷縮小目標(biāo)區(qū)域的方法來分割出最終目標(biāo)，即高反射信號(hào)的種子點(diǎn)集合；

步驟4-2、對(duì)閾值分割后的圖像進(jìn)行膨脹處理，膨脹窗口為[1,1,1；1,1,1；1,1,1]；將剛可分辨亮度差作為區(qū)域生長(zhǎng)的相似性準(zhǔn)則，進(jìn)行區(qū)域生長(zhǎng)，剛可分辨亮度差定義為：

$\mathrm{\Δ}I=\left\{\begin{array}{cc}C& I\≤a\\ \mathrm{\α}I& a\<I\≤b\\ \mathrm{\β}{10}^{\frac{10}{256-I}}& I\>b\end{array}\right.$

ΔI是關(guān)于圖像灰度I的分段函數(shù)，α，β，C為待定參數(shù)，α取值在[0.01，0.3]之間，中間區(qū)間的起始灰度值a和終止灰度值b分別取[45,81]和[180,210]之間；于是，參數(shù)取值為α＝0.05，a＝50，b＝200；根據(jù)在函數(shù)間斷點(diǎn)取值相等可以得到CC＝αa，從而計(jì)算出C和β；

區(qū)域生長(zhǎng)之后，剔除亮斑灰度與其邊緣外5×5范圍像素平均灰度差小于d的假亮斑，邊緣外5×5范圍像素是指以邊緣的每一個(gè)像素為中心，半徑大小為5個(gè)像素的窗口所覆蓋且不屬于亮斑的像素，d取值為20。

5.根據(jù)權(quán)利要求1所述的糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法，其特征在于，步驟5根據(jù)SD OCT視網(wǎng)膜圖像生成投影圖像，與CFP眼底圖像配準(zhǔn)，獲得裁剪后CFP眼底圖像，具體為：

利用半自動(dòng)的配準(zhǔn)方法來配準(zhǔn)CFP眼底圖像和SD OCT投影圖像，根據(jù)兩者圖像中血管分支點(diǎn)相互對(duì)應(yīng)的原則生成一個(gè)幾何變換模型，基于這個(gè)變換模型匹配得到眼底圖像中對(duì)應(yīng)于SD OCT投影圖像的區(qū)域，并裁剪相匹配的眼底圖像用于下一步中硬性滲出的分割。

6.根據(jù)權(quán)利要求1所述的糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法，其特征在于，步驟6利用多尺度的顯著性檢測(cè)法結(jié)合閾值法分割出裁剪后CFP眼底圖像中的硬性滲出，具體為：

步驟6-1、采用顯著性檢測(cè)方法來分割裁剪后CFP眼底圖像中的硬性滲出，對(duì)于給定的一個(gè)尺度，像素的顯著性定義為局部區(qū)域和其鄰域像素特征向量的之間的歐式距離：

C_i,j＝||v₁-v₂||

其中，V₁表示圖像局部區(qū)域的像素特征向量，V₂表示鄰域的像素特征向量，使用CIELab彩色空間來定義像素特征向量，V₁＝[L₁,a₁,b₁]^T，V₂＝[L₂,a₂,b₂]^T，最終在所有不同尺度上的顯著性總和為：

$S_{i,j}=\underset{L}{\Σ}{C}_{i,j}$

步驟6-2、得到裁剪后CFP眼底圖像的顯著圖后，使用閾值法分割出硬性滲出所在區(qū)域，將分割出的假的硬性滲出，直接剔除。

7.根據(jù)權(quán)利要求1所述的糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法，其特征在于，步驟7根據(jù)裁剪后CFP眼底圖像定位SD OCT視網(wǎng)膜圖像中的硬性滲出，在SD OCT視網(wǎng)膜圖像中進(jìn)行硬性滲出與高反射信號(hào)的相關(guān)性分析，具體為：

首先根據(jù)裁剪后CFP眼底圖像中硬性滲出的位置確定SD OCT視網(wǎng)膜圖像中的硬性滲出區(qū)域，然后分別提取SD OCT視網(wǎng)膜圖像中硬性滲出和高反射信號(hào)的灰度分布，高度分布，面積和數(shù)目特征，利用這些特征分析硬性滲出和高反射信號(hào)在SD OCT視網(wǎng)膜圖像中的相關(guān)性，之后通過相關(guān)性系數(shù)cc，p值和統(tǒng)計(jì)分布來進(jìn)行分析，最終得出硬性滲出與高反射信號(hào)在面積、數(shù)目、高度、灰度這些特征上存在的關(guān)系。