基于结构随机森林模型的相干光断层图像的层分割方法

摘要

本发明公开了一种基于结构随机森林模型的相干光断层图像的层分割方法，包括步骤：S1、图像预处理：对输入图像进行像素值转化和去噪处理；S2、特征提取：先提取手工特征，再训练一个残差网络提取深度特征，然后整合手工特征和深度特征；S3、通过结构随机森林获取层轮廓的概率图：使用训练图像集中数据训练能预测层轮廓的结构随机森林，然后预测测试图像中的层轮廓的概率图；S4、利用最短路径进行层分割：利用最短路径获得具体的层边界位置。该方法结合深度特征和手工特征的优点，手工特征和深度特征的组合可以训练一个更高效的随机结构森林，使得分割性能得到加强；该方法可以分割正常的视网膜图像，也可以分割病变的视网膜图像，具有较高的灵活性和适应性。