一種基于逐層分級的oct圖像質(zhì)量快速評價方法
【專利摘要】本發(fā)明涉及一種基于逐層分級的OCT圖像質(zhì)量快速評價方法。本發(fā)明從高層分解開始，逐層對OCT圖像進行高斯金字塔分解，獲得不同分辨率的分解子圖像。較低質(zhì)量的OCT圖像在低分辨率下即可完成評價，而較高質(zhì)量的OCT圖像可逐層進入高分辨率完成評價，從而實現(xiàn)在不同分辨尺度下對OCT圖像的質(zhì)量進行快速評價。該發(fā)明能夠?qū)崿F(xiàn)對OCT圖像質(zhì)量的客觀無參考型自動評級，提高評價效率，對后續(xù)OCT圖像的參數(shù)自動檢測和分析有一定的參考意義。
【專利說明】一種基于逐層分級的OCT圖像質(zhì)量快速評價方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于醫(yī)學(xué)圖像處理領(lǐng)域，涉及一種基于逐層分級的OCT圖像質(zhì)量快速評價方法。
【背景技術(shù)】
[0002]光學(xué)相干斷層掃描(Optical Coherence Tomography, OCT)成像具有成像速度快、分辨率高、非接觸性，以及對操作者專業(yè)技能要求較低等優(yōu)點，使其在臨床研究中得到廣泛的應(yīng)用。對OCT圖像質(zhì)量的評價通常采取人工主觀評價的傳統(tǒng)方式，即依靠人工觀察的方法對圖像進行質(zhì)量評價，不但費時費力，而且評價的結(jié)果容易受到評價環(huán)境和評價人員工作背景等因素的影響，評價結(jié)果不夠客觀。目前出現(xiàn)的一些OCT圖像質(zhì)量評價方法，雖然簡單，易于實現(xiàn)，但是忽略圖像本身的特點，很難與人的主觀評價相符，而其它一些基于視覺感知的評價方法，由于對人眼視覺系統(tǒng)認識有限且構(gòu)造復(fù)雜，其算法往往比較復(fù)雜，運行效率低下，不適用于實際應(yīng)用。因此如何進一步提高圖像質(zhì)量評價效率及其準(zhǔn)確性，已成為OCT醫(yī)學(xué)圖像質(zhì)量評價的關(guān)鍵所在。當(dāng)觀察分辨尺度從低到高變化時，對于同一幅OCT圖像的視覺感受將逐漸變差，而對于不同OCT圖像的視覺感受將有不同的變化趨勢，因而本發(fā)明提出一種基于逐層分級的OCT圖像質(zhì)量快速評價方法。

【發(fā)明內(nèi)容】

[0003]本發(fā)明考慮到:(1)8鄰域方向信息熵從圖像局部結(jié)構(gòu)模式所蘊含的信息量出發(fā)去評價OCT圖像的質(zhì)量，與人們的主觀感受具有較好的一致性；(2)當(dāng)觀察分辨尺度從低到高變化時，對于同一幅OCT圖像的視覺感受將逐漸變差，而對于不同OCT圖像的視覺感受將有不同的變化趨勢。因此OCT圖像質(zhì)量的評價可在不同分辨尺度下快速進行，較低質(zhì)量的OCT圖像在低分辨率下即可完成評價，而較高質(zhì)量的OCT圖像可逐層進入高分辨率完成評價。
[0004]本發(fā)明是一種新的OCT圖像質(zhì)量無參考評價方法。包括以下步驟:
[0005]步驟(1)利用雙線性插值法，將OCT圖像尺寸擴展至長和寬相等，新尺寸為MXM，M為2的整數(shù)冪次值。
[0006]步驟(2)利用高斯金字塔方法，對擴展后的OCT圖像進行不同尺度的分解，分解層數(shù)k分別記為n，η-l,……，0，分解后的圖像分別標(biāo)記為In，Ilri,……，I。，對應(yīng)圖像分辨率依次從低到高，其中當(dāng)分解層數(shù)等于O時，分解圖像Itl即為擴展后的OCT圖像本身。分解圖像In，In-!,……，I。的尺寸分別記為NnXN^NlriXNlri,……，NqXNq。例如對于常規(guī)的OCT圖像，當(dāng)M為1024，最小分解圖像的長和寬為64，此時最高分解層數(shù)η為4。
[0007]步驟(3)根據(jù)OCT圖像訓(xùn)練樣本的質(zhì)量評價結(jié)果，對各個分解層數(shù)k(k = η,η-l,……，0)，分別設(shè)定評價分級的閾值Tk。將當(dāng)前分解層數(shù)記為L，OCT圖像質(zhì)量等級記為E級,令初值L = n, E = I。
[0008]步驟(4)對分解后的OCT圖像k進行二值化，計算8鄰域方向信息熵，結(jié)果與對應(yīng)層數(shù)閾值?Υ比較，若小于等于?Υ，則將此OCT圖像的質(zhì)量評估為E級，退出評估過程。
[0009]步驟(5)若信息熵值大于I；，則將分解層數(shù)調(diào)整為L = L_1，E = E+1，如果分解層數(shù)不等于0，則重復(fù)步驟(4)進行OCT圖像的質(zhì)量評估，直至滿足步驟(4)的閾值條件，退出評估過程；如果分解層數(shù)等于0，則OCT圖像質(zhì)量等級評估為n+1，退出評估過程。
[0010]本發(fā)明具有的有益效果:
[0011]考慮到對同一幅OCT圖像的視覺感受，與觀察分辨尺度密切相關(guān)，因此提出在不同分辨率狀態(tài)下，利用信息熵對OCT圖像的細節(jié)清晰度進行評價。改變了傳統(tǒng)方法在同一觀察分辨尺度下，對OCT圖像進行質(zhì)量評估的思路。
[0012]本發(fā)明在不同分辨尺度下對OCT圖像質(zhì)量進行快速準(zhǔn)確評價，較低質(zhì)量的OCT圖像在低分辨率下即可完成評價，而較高質(zhì)量的OCT圖像可逐層進入高分辨率完成評價。
【專利附圖】

【附圖說明】
[0013]圖1為8鄰域方向圖。
【具體實施方式】
[0014]以下結(jié)合附圖對本發(fā)明作進一步說明。
[0015]本發(fā)明方法包括以下步驟:
[0016]步驟(1)設(shè)OCT原圖像的尺寸為AXB，利用雙線性插值法對其進行尺寸擴展，獲得目標(biāo)圖像。目標(biāo)圖像的長和寬相等，新尺寸為MXM，并且M為2的整數(shù)冪次值。
[0017]步驟(2)利用高斯金字塔方法，對擴展后的OCT圖像進行不同尺度的分解，分解層數(shù)k分別記為n，η-l,……，0，分解后的圖像分別標(biāo)記為In，Ilri,……，I。，對應(yīng)圖像分辨率依次從低到高。分解圖像In，In-!,……，I。的尺寸分別記為NnXH1XNlri,……，NqXNq。例如對于常規(guī)的OCT圖像，當(dāng)M為1024，最小分解圖像的長和寬為64，此時最高分解層數(shù)η為4。分解后的每一層子圖像灰度值根據(jù)式(I)計算所得，其中矩陣系數(shù)H如式(2)所示。
【權(quán)利要求】
1.一種基于逐層分級的OCT圖像質(zhì)量快速評價方法，其特征在于該方法包括如下步驟: 步驟(1)利用雙線性插值法，將OCT圖像尺寸擴展至長和寬相等，新尺寸為MXM，M為2的整數(shù)冪次值； 步驟(2)利用高斯金字塔方法，對擴展后的OCT圖像進行不同尺度的分解，分解層數(shù)k分別記為η, n-1,......，O,分解后的圖像分別標(biāo)記為In, Ilri,......, Itl,對應(yīng)圖像分辨率依次從低到高，其中當(dāng)分解層數(shù)等于O時，分解圖像Itl即為擴展后的OCT圖像本身；分解圖像In, In-1,……，10的尺寸分別記為NnXNn, Nn^1 XNlri，……,N0XN0 ；步驟(3)根據(jù)OCT圖像訓(xùn)練樣本的質(zhì)量評價結(jié)果，對各個分解層數(shù)k，分別設(shè)定評價分級的閾值Tk ;將當(dāng)前分解層數(shù)記為L, OCT圖像質(zhì)量等級記為E級,令初值L = n, E = I ; 步驟(4)對分解后的OCT圖像k進行二值化，計算8鄰域方向信息熵，結(jié)果與對應(yīng)層數(shù)閾值?Υ比較，若小于等于?Υ，則將此OCT圖像的質(zhì)量評估為E級，退出評估過程； 步驟(5)若信息熵值大于?Υ，則將分解層數(shù)調(diào)整為L = L-1，E = E+1，如果分解層數(shù)不等于0，則重復(fù)步驟(4)進行OCT圖像的質(zhì)量評估，直至滿足步驟(4)的閾值條件，退出評估過程；如果分解層數(shù)等于 0，則OCT圖像質(zhì)量等級評估為n+1，退出評估過程。
【文檔編號】G06T7/00GK104036498SQ201410232552
【公開日】2014年9月10日 申請日期:2014年5月28日 優(yōu)先權(quán)日:2014年5月28日
【發(fā)明者】范影樂, 陸曉娟, 武薇 申請人:杭州電子科技大學(xué)