本發(fā)明涉及圖像分類領(lǐng)域，具體涉及一種對的對類鏡像圖像分類的方法及裝置。

背景技術(shù)：

類鏡像圖像由于相似度比較高，在整理圖像時(shí)，區(qū)分圖像的類別的過程經(jīng)常發(fā)生錯誤，例如，眼底圖像為類鏡像圖像，計(jì)算機(jī)處理眼底圖像時(shí)，由于左右眼病征的關(guān)聯(lián)性，經(jīng)常出現(xiàn)需要雙眼多張圖像同時(shí)分析。當(dāng)采樣率需求較高時(shí)，一次檢查通常需要單眼十幾張至幾十張的照片。然而，由于眼底圖像的相似性，在整理圖像時(shí)，區(qū)分左右眼的圖片的過程經(jīng)常發(fā)生錯誤。

現(xiàn)在的眼底照相機(jī)通常分為三種規(guī)格，分別為200度，45度和20度眼底照相機(jī)。度數(shù)越低，眼底的細(xì)節(jié)信息越豐富，但隨之而來的問題是視野變小。若想在不丟失細(xì)節(jié)信息的同時(shí)觀察眼底大面積區(qū)域，需要在大面積區(qū)域上滑動拍攝。并且，由于眼底組織如黃斑，視盤，棉絮斑是連續(xù)的，我們采樣時(shí)為了保證其組織的完整性，需要將連續(xù)拍攝的兩張圖之間保留一定的重疊，將拍攝的采樣率提高。當(dāng)我們希望從20度眼底照相機(jī)拍攝的圖像還原出45度眼底照相機(jī)圖像的視野時(shí)，我們通常需要將重疊部分設(shè)為50％以上，需要十張到二十張圖像進(jìn)行還原，若想還原出200度圖像的視野則需要幾十張甚至上百張圖像，對大量眼底圖像進(jìn)行分組，是一件重復(fù)性強(qiáng)，耗費(fèi)時(shí)間多的事情，給操作人員帶來了困擾。

判斷眼底圖像為左眼有眼通常是根據(jù)視盤在圖像中的相對位置，當(dāng)視盤在圖像的左側(cè)時(shí)明當(dāng)前圖像為左眼眼底圖像，反之當(dāng)視盤在圖像右側(cè)時(shí)，說明當(dāng)前圖像為右眼圖像。當(dāng)人們上傳照片至圖像處理系統(tǒng)時(shí)，現(xiàn)在的圖像分析系統(tǒng)通常為讓人們手動的將需分析的眼底圖像分為左眼右眼分別上傳。這樣帶來的風(fēng)險(xiǎn)是當(dāng)采樣率提高，比較容易將圖像的組別分錯，造成分析結(jié)果的失真。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明需要解決的問題是如何對大量類鏡像圖像進(jìn)行較為精確的分類。

有鑒于此，根據(jù)第一方面，本發(fā)明實(shí)施例提供了一種對類鏡像圖像分類的方法，可以包括如下步驟：

對多張類鏡像圖像的第一對象分別進(jìn)行區(qū)域標(biāo)注，得到多個(gè)標(biāo)注區(qū)域的位置；使用深度卷機(jī)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)標(biāo)注區(qū)域的第一特征信息，得到深度學(xué)習(xí)模型，深度學(xué)習(xí)模型包括：深度學(xué)習(xí)檢測、深度學(xué)習(xí)分類或深度學(xué)習(xí)分割模型中的任意一種，第一特征信息為第一對象的特征信息；根據(jù)深度學(xué)習(xí)模型判斷類鏡像圖像中是否存在第一對象；如果類鏡像圖像中存在第一對象，則根據(jù)深度學(xué)習(xí)模型得到第一對象的位置；基于第一對象的位置確定當(dāng)前第一對象在類鏡像圖像中的相對位置；根據(jù)第一對象在類鏡像圖像中位置的屬性和當(dāng)前第一對象在類鏡像圖像中的相對位置確定類鏡像圖像的類別。

可選地，如果類鏡像圖像中不存在第一對象，則基于模糊變換識別第二對象的第二特征信息；根據(jù)第二特征信息在類鏡像圖像中的屬性確定類鏡像圖像的類別。

可選地，類鏡像圖像為左右眼底圖像；第一對象為視盤，第一特征信息為視盤顏色和/或視盤紋理；第二對象為血管，第二特征為血管彎曲方向。

可選地，根據(jù)深度學(xué)習(xí)模型判斷類鏡像圖像中是否存在第一對象包括：將類鏡像圖像分為多個(gè)檢測區(qū)域；判斷檢測區(qū)域的確信度是否大于確信度閾值，確信度為檢測區(qū)域中的第一特征信息與標(biāo)注區(qū)域的第一特征信息的相似度；如果檢測區(qū)域的確信度大于確信度閾值，則確認(rèn)檢測區(qū)域內(nèi)存在第一對象。

可選地，根據(jù)深度學(xué)習(xí)模型得到第一對象的位置包括：根據(jù)深度學(xué)習(xí)模型的結(jié)果得到包含第一對象的檢測區(qū)域的坐標(biāo)。

可選地，在確定類鏡像圖像的類別之后還包括：從確定類別的類鏡像圖像中選擇至少一張類鏡像圖像作為模板，驗(yàn)證對應(yīng)類別的其他類鏡像圖像。可選地，從確定類別的類鏡像圖像中選擇至少一張類鏡像圖像作為模板驗(yàn)證對應(yīng)類別的其他類鏡像圖像包括：從確定類別的類鏡像圖像中選擇至少一張類鏡像圖像；在當(dāng)前類鏡像圖像的至少一個(gè)預(yù)設(shè)位置對應(yīng)選擇預(yù)設(shè)面積的區(qū)域作為模板；利用模板對當(dāng)前類別所有未檢測出第一對象的類鏡像圖像分別進(jìn)行掃描；判斷掃描過程中模板對應(yīng)的區(qū)域的相似度是否大于預(yù)設(shè)相似度；如果掃描過程中模板對應(yīng)的區(qū)域的相似度小于預(yù)設(shè)相似度，則確認(rèn)被掃描的類鏡像圖像為當(dāng)前類別。

可選地，如果掃描過程中模板對應(yīng)的區(qū)域的相似度均小于預(yù)設(shè)相似度，則剔除當(dāng)前掃描的類鏡像圖像。

根據(jù)第二方面，本發(fā)明實(shí)施例提供了一種對類鏡像圖像分類的裝置，包括：標(biāo)注單元，用于對多類鏡像圖像的第一對象分別進(jìn)行區(qū)域標(biāo)注，得到多個(gè)標(biāo)注區(qū)域的位置；訓(xùn)練單元，使用深度卷機(jī)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)標(biāo)注區(qū)域的第一特征信息，得到深度學(xué)習(xí)模型，深度學(xué)習(xí)模型包括：深度學(xué)習(xí)檢測、深度學(xué)習(xí)分類或深度學(xué)習(xí)分割模型中的任意一種，第一特征信息為第一對象的特征信息；判斷單元，用于根據(jù)深度學(xué)習(xí)模型判斷類鏡像圖像中是否存在第一對象；確認(rèn)單元，用于在判斷單元判斷出類鏡像圖像中存在第一對象后，根據(jù)深度學(xué)習(xí)模型得到第一對象的位置；相對位置確認(rèn)單元，用于基于第一對象的位置確定當(dāng)前第一對象在類鏡像圖像中的相對位置；第一類別確認(rèn)單元，用于根據(jù)第一對象在類鏡像圖像中位置的屬性和當(dāng)前第一對象在類鏡像圖像中的相對位置確定類鏡像圖像的類別。

可選地，識別單元，用于在判斷單元判斷出類鏡像圖像中不存在第一對象后，基于模糊變換識別第二對象的第二特征信息；第二類別確認(rèn)單元，用于根據(jù)第二特征信息在左右眼中的屬性確定類鏡像圖像的類別。

可選地，類鏡像圖像為左右眼底圖像；第一對象為視盤，第一特征信息為視盤顏色和/或視盤紋理；第二對象為血管，第二特征為血管彎曲方向。

可選地，判斷單元包括：劃分子單元，用于將類鏡像圖像分為多個(gè)檢測區(qū)域；第一判斷子單元，用于判斷檢測區(qū)域的確信度是否大于確信度閾值，確信度為檢測區(qū)域中的第一特征信息與標(biāo)注區(qū)域的第一特征信息的相似度；確認(rèn)子單元，用于在第一判斷子單元判斷出檢測區(qū)域的確信度大于確信度閾值后，確認(rèn)檢測區(qū)域內(nèi)存在第一對象。

可選地，確認(rèn)單元包括：坐標(biāo)檢測子單元，用于根據(jù)深度學(xué)習(xí)模型的結(jié)果得到包含第一對象的檢測區(qū)域的坐標(biāo)。

可選地，驗(yàn)證單元，用于從確定類別的目標(biāo)眼底圖像中選擇至少一張目標(biāo)眼底圖像作為模板驗(yàn)證對應(yīng)類別的其他目標(biāo)眼底圖像。

可選地，驗(yàn)證單元包括：第一選擇子單元，用于從確定類別的類鏡像圖像中選擇至少一張目標(biāo)眼底圖；第二選擇子單元，用于在當(dāng)前類鏡像圖像的至少一個(gè)預(yù)設(shè)位置對應(yīng)選擇預(yù)設(shè)面積的區(qū)域作為模板；掃描子單元，用于利用模板對當(dāng)前類別所有未檢測出第一對象的類鏡像圖像分別進(jìn)行掃描；第二判斷子單元，用于判斷掃描過程中模板對應(yīng)的區(qū)域的相似度是否大于預(yù)設(shè)相似度；類別確認(rèn)子單元，用于在第二判斷子單元判斷出相似度大于預(yù)設(shè)相似度，確認(rèn)被掃描的類鏡像圖像為當(dāng)前類別。

可選地，驗(yàn)證單元還包括：剔除子單元，在第二判斷子單元判斷出相似度均小于預(yù)設(shè)值，剔除當(dāng)前掃描的類鏡像圖像。

本發(fā)明實(shí)施例提供的類鏡像圖像分類方法及裝置，對一定量的類鏡像圖像的第一對象進(jìn)行標(biāo)注，利用第一對象的特征對深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，訓(xùn)練完成后，在目標(biāo)圖像輸入后，利用訓(xùn)練結(jié)果識別并標(biāo)注第一特征的位置，在根據(jù)第一對象在類鏡像圖像中的位置的屬性將目標(biāo)圖像分類，相比人工分類，高效、準(zhǔn)確。可以保證分析結(jié)果失真較小。

附圖說明

通過參考附圖會更加清楚的理解本發(fā)明的特征和優(yōu)點(diǎn)，附圖是示意性的而不應(yīng)理解為對本發(fā)明進(jìn)行任何限制，在附圖中：

圖1示出了本發(fā)明實(shí)施例的類鏡像圖像分類方法的流程示意圖；

圖2示出了本發(fā)明實(shí)施例的確定類鏡像圖像中第一對象位置的流程示意圖；

圖3示出了本發(fā)明另一實(shí)施例的類鏡像圖像分類方法的流程示意圖；

圖4示出了本發(fā)明實(shí)施例的類鏡像圖像分類驗(yàn)證方法的流程示意圖；

圖5示出了本發(fā)明實(shí)施例的類鏡像圖像分類裝置的示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

此外，本發(fā)明中術(shù)語“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對重要性。對于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本發(fā)明中的具體含義。

本發(fā)明實(shí)施例提供了一種對類鏡像圖像分類的方法，該方法適用于區(qū)分?jǐn)?shù)量較多的類鏡像圖像，如圖1所示，該方法包括：

s110.對多張類鏡像圖像的第一對象分別進(jìn)行區(qū)域標(biāo)注。在具體的實(shí)施例中，類鏡像圖像可以包括左右眼底圖像，在本實(shí)施例中以左右眼底圖像為例進(jìn)行說明，在對左右眼底圖像分類進(jìn)行分類之前，需要使用標(biāo)注好的眼底圖像訓(xùn)練深度卷機(jī)神經(jīng)網(wǎng)絡(luò)，需要使用大量標(biāo)注圖像，在本實(shí)施例中，選擇圖像的張數(shù)可以根據(jù)分類要求的精度確定，選擇張數(shù)越多，訓(xùn)練結(jié)果越準(zhǔn)確，在本實(shí)施例中，第一對象可以眼底組織中較為明顯的組織，例如視盤或黃斑。由于視盤特征最為明顯最能說明眼底的左右眼屬性，在本實(shí)施例中，選取視盤作為第一對象。在對左右眼的眼底圖像的視盤進(jìn)標(biāo)注時(shí)，可以標(biāo)注視盤的位置。具體地，可以將視盤用大小合適的方框標(biāo)出，并記錄方框?qū)?yīng)頂點(diǎn)的坐標(biāo)，例如，左上和右下頂點(diǎn)坐標(biāo)。即可得到標(biāo)注區(qū)域位置。

s120.使用深度卷機(jī)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)標(biāo)注區(qū)域的第一特征信息，得到深度學(xué)習(xí)檢測模型。在具體的實(shí)施例中，類鏡像圖像可以包括左右眼底圖像，在本實(shí)施例中以左右眼底圖像為例進(jìn)行說明，深度學(xué)習(xí)模型包括：深度學(xué)習(xí)檢測、深度學(xué)習(xí)分類或深度學(xué)習(xí)分割模型中的任意一種，在對眼底圖像的第一對象進(jìn)行標(biāo)注完成后，將記錄的標(biāo)注區(qū)域位置的坐標(biāo)和對應(yīng)的眼底圖像一起輸入至深度學(xué)習(xí)系統(tǒng)中，深度學(xué)習(xí)檢測模型訓(xùn)練標(biāo)注區(qū)域即第一對象的特征，以第一對象為視盤為例，可以學(xué)習(xí)視盤的特征，即標(biāo)注區(qū)域的顏色和/或紋理特征，通過對多張圖像的學(xué)習(xí)，得到學(xué)習(xí)結(jié)果。

s130.根據(jù)深度學(xué)習(xí)檢測模型判斷類鏡像圖像中是否存在第一對象。在具體的實(shí)施例中，以左右眼底圖像為例，訓(xùn)練結(jié)果即為深度學(xué)習(xí)檢測模型，深度學(xué)習(xí)檢測模型是一個(gè)數(shù)學(xué)模型，用數(shù)十萬個(gè)參數(shù)來擬合第一對象的第一特征，例如，視盤顏色和/或紋理特征，在輸入目標(biāo)眼底圖像后，深度學(xué)習(xí)檢測模型將首先提取圖像內(nèi)待檢測區(qū)域，然后根據(jù)待檢測區(qū)域內(nèi)部特征給出對應(yīng)的響應(yīng)，響應(yīng)值越大，代表其越接近第一對象的第一特征。在檢測到第一特征信息后，可以確定目標(biāo)眼底圖像中存在第一對象。如果目標(biāo)眼底圖像中是否存在第一對象，則進(jìn)入步驟s140。如果目標(biāo)眼底圖像中是否存在第一對象不存在眼底圖像，則進(jìn)入步驟s170。

s140.根據(jù)深度學(xué)習(xí)檢測模型得到第一對象的位置。在具體的實(shí)施例中，在檢測到目標(biāo)圖像中存在第一對象后，根據(jù)標(biāo)注區(qū)域的位置得到目標(biāo)圖像中第一對象的位置。

s150.基于第一對象的位置確定當(dāng)前第一對象在類鏡像圖像中的相對位置。在具體的實(shí)施例中，根據(jù)標(biāo)注區(qū)域的位置得到包含第一對象的檢測區(qū)域的坐標(biāo)。如果檢測區(qū)域內(nèi)存在第一對象，選擇與該檢測區(qū)域相似度最高的標(biāo)注區(qū)域，獲取該標(biāo)注區(qū)域的位置信息，作為該檢測區(qū)域的位置信息?；跈z測區(qū)域的坐標(biāo)估算第一對象的坐標(biāo)。在具體的實(shí)施例中，通常檢測區(qū)域?yàn)榫匦?，在與之對應(yīng)的標(biāo)注區(qū)域獲取的位置信息為矩形的對角頂點(diǎn)的坐標(biāo)，視盤往往為圓形或近似圓形，可以檢測區(qū)域的坐標(biāo)估算視盤的坐標(biāo)，即利用矩形頂點(diǎn)坐標(biāo)估算矩形內(nèi)切的近似圓的圓心的坐標(biāo)。根據(jù)第一對象的坐標(biāo)確認(rèn)第一對象在目標(biāo)眼底圖像的相對位置。

s160.根據(jù)第一對象在類鏡像圖像中位置的屬性和當(dāng)前第一對象在類鏡像圖像中的相對位置確定類鏡像圖像的類別。在具體的實(shí)施例中，所稱眼底圖像中位置屬性為左眼底圖像的視盤一般在圖像的左側(cè)，右眼底視盤一般圖像的右側(cè)。在檢測到當(dāng)前第一對象在目標(biāo)眼底圖像中的相對位置后可以根據(jù)該位置屬性對眼底圖像進(jìn)行分類，目標(biāo)眼底圖像中的第一對象在左側(cè)時(shí)，將該目標(biāo)眼底圖像確定為左眼底圖像，目標(biāo)眼底圖像中國的第一對象在右側(cè)時(shí)，將該目標(biāo)眼底圖像定位有眼底圖像。

在對眼底進(jìn)行拍照時(shí)，采集的眼底圖像大部分都包含視盤，但是可能存在不包含視盤的眼底圖像，一般包含視盤的眼底圖像比例約為95％。為保證可以將所有眼底圖像進(jìn)行分類，保證分類的準(zhǔn)確性，在可選地實(shí)施例中，對于不包含視盤的眼底圖像，該分類方法還可以包括：

s170.基于模糊變換識別第二對象的第二特征信息。在具體的實(shí)施例中，以左右眼底圖像為例，所稱第一對象特征為血管，所稱第一特征信息為血管彎曲方向，由于左眼和右眼底的血管彎曲方向不同，各有特點(diǎn)，可以基于血管的彎曲方向判斷左右眼眼底圖像。由于眼底存在大量的毛細(xì)血管或出血點(diǎn)，若血管分割法進(jìn)行判斷，雖然可以得到結(jié)論，但是需要大量的計(jì)算耗時(shí)較長。在本實(shí)施例中，可以基于高斯模糊和霍夫變換的血管彎曲方向判別算法，為了避免細(xì)小血管的干擾，在做霍夫變換之前首先對圖像做高斯模糊處理，將細(xì)小的血管與出血點(diǎn)的干擾去除只保留圖像中大的輪廓信息。霍夫變換是一種可以判斷圖像中存在的直線的算法。判斷較粗血管的彎曲方向時(shí)可以視其為多個(gè)直線進(jìn)行組合得到的。通過霍夫變換，將每條直線的擬合出來，并計(jì)算其組合得到曲線的曲率，得到曲率后即可得出血管的彎曲方向，

s180.根據(jù)第二特征信息在類鏡像中的屬性確定類鏡像圖像的類別。在具體的實(shí)施例中，以左右眼底圖像為例，可以根據(jù)血管在左右眼中不同彎曲方向的屬性和上述步驟s170得到的血管的彎曲方向確定目標(biāo)眼底圖像的類別

對一定量的類鏡像圖像的第一對象進(jìn)行標(biāo)注，利用第一對象的特征對深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，訓(xùn)練完成后，在目標(biāo)圖像輸入后，利用訓(xùn)練結(jié)果識別并標(biāo)注第一特征的位置，在根據(jù)第一對象在類鏡像圖像中的位置的屬性將目標(biāo)圖像分類，相比人工分類，高效、準(zhǔn)確?？梢员ＷC分析結(jié)果失真較小。

在可選的實(shí)施例中，以類鏡像圖像為左右眼底圖像進(jìn)行說明，如圖2所示，步驟s130可以包括如下步驟：

s131.將類鏡像圖像分為多個(gè)檢測區(qū)域。在具體的實(shí)施例中，可以選擇性搜索方法將圖像分為多個(gè)候選區(qū)域，在本實(shí)施例中，可以將多個(gè)候選區(qū)域根據(jù)與深度學(xué)習(xí)檢測模型中的標(biāo)注區(qū)域的第一特信息的相似度進(jìn)行初步分類，分別為可能包含第一對象即視盤的區(qū)域即檢測區(qū)域和不包含第一對象的區(qū)域。

s132.判斷檢測區(qū)域的確信度是否大于確信度閾值。在具體的實(shí)施例中，以類鏡像圖像為左右眼底圖像為例進(jìn)行說明，在對目標(biāo)眼底圖像進(jìn)行劃分檢測區(qū)域時(shí)，可以得到各個(gè)區(qū)域與標(biāo)注區(qū)域的相似度的概率值，在本實(shí)施例中，可以設(shè)置確信度閾值，該閾值可以設(shè)置在0.85-1之間，由于視盤區(qū)域與其他區(qū)域的顏色及紋理都有較大差別，不同檢測區(qū)域確信度相差很大，如果檢測區(qū)域的確信度大于確信度閾值，則進(jìn)入步驟s133。如果所有的檢測區(qū)域的確信度小于確信度閾值，則進(jìn)入步驟s134。

s133.確認(rèn)當(dāng)前類鏡像圖像中存在第一對象。

s134.確認(rèn)當(dāng)前類鏡像圖像不存在第一對象

為保證分類的準(zhǔn)確性，往往需要對確認(rèn)分類后的類鏡像圖像進(jìn)行驗(yàn)證，在可選的實(shí)時(shí)中，可以采用模板匹配方法進(jìn)行驗(yàn)證，如圖3所示，具體的步驟如下：

s210.對多張類鏡像圖像的第一對象分別進(jìn)行區(qū)域標(biāo)注。具體地，可以參見上述實(shí)施例步驟s110中對于對第一對象進(jìn)行區(qū)域標(biāo)注的描述。

s220.使用深度卷機(jī)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)標(biāo)注區(qū)域的第一特征信息，得到深度學(xué)習(xí)檢測模型。具體地，可以參見上述實(shí)施例步驟s120中對于學(xué)習(xí)標(biāo)注區(qū)域的第一特征信息的描述。

s230.根據(jù)深度學(xué)習(xí)檢測模型判斷類鏡像圖像中是否存在第一對象。具體地，可以參見上述實(shí)施例步驟s130中對于判斷類鏡像圖像中是否存在第一對象的描述，如果類鏡像圖像中存在第一對象，則進(jìn)入步驟s240。如果類鏡像圖像中不存在第一對象，則進(jìn)入步驟s270。

s240.根據(jù)深度學(xué)習(xí)檢測模型得到所述第一對象的位置。具體地，可以參見上述實(shí)施例步驟s140中對于確定第一對象的位置的描述。

s250.基于第一對象的位置確定當(dāng)前第一對象在類鏡像圖像中的相對位置。具體地，可以參見上述實(shí)施例步驟s150中對于確定當(dāng)前第一對象在類鏡像圖像中的相對位置的描述。

s260.根據(jù)第一對象在類鏡像圖像中位置的屬性和當(dāng)前第一對象在類鏡像圖像中的相對位置確定類鏡像圖像的類別。具體地，可以參見上述實(shí)施例步驟s160中對于確定類鏡像圖像的類別的描述。

s270.基于模糊變換識別第二對象的第二特征信息。具體地，可以參見上述實(shí)施例步驟s170中對于識別第二對象的第二特征信息的描述。

s280.根據(jù)第二特征信息在類鏡像圖像中的屬性確定類鏡像圖像的類別。具體地，可以參見上述實(shí)施例步驟s180中對于識別第二對象的第二特征信息的描述。

s290.從確定類別的類鏡像圖像中選擇至少一張類鏡像圖像作為模板驗(yàn)證對應(yīng)類別的其他類鏡像圖像。在具體的實(shí)施例中，以類鏡像圖像為左右眼底圖像為例進(jìn)行說明，在分類完成的目標(biāo)眼底圖像中尋找出至少一張的屬于當(dāng)前眼睛的照片，并且根據(jù)這一張圖像確定出屬于當(dāng)前眼睛的其他所有圖像。模板匹配是一種常用的圖像搜索算法，算法將使用某一選定模板作為滑窗，并在圖片庫中所有的圖像上滑動，滑動的過程中與圖像對應(yīng)區(qū)域求歐式距離或卡方距離，當(dāng)歐距離小于一定數(shù)值時(shí)，則說明模板匹配。

在可選的實(shí)施例中，如圖4所示，具體的驗(yàn)證流程可以包括以下步驟：

s281.從確定類別的類鏡像圖像中選擇至少一張類鏡像圖像。在具體的實(shí)施例中，以類鏡像圖像為左右眼底圖像為例進(jìn)行說明，在包含視盤的目標(biāo)眼底圖像和不包含視盤的目標(biāo)眼底圖像分類后，在各自分類的組別中選擇至少一張目標(biāo)眼底圖像。

s282.在當(dāng)前類鏡像圖像的預(yù)設(shè)位置選擇預(yù)設(shè)面積的區(qū)域作為模板。在具體的實(shí)施例中，以類鏡像圖像為左右眼底圖像為例進(jìn)行說明，眼底圖像拍攝時(shí)，若想擴(kuò)大視野，眼底照相機(jī)通常為橫向掃描或縱向掃描，選擇的重疊區(qū)域一般為，圖像超過邊緣的50％的區(qū)域。模板的選擇應(yīng)為圖像重疊區(qū)域，并且為了防止拍攝鏡頭留下的黑邊對匹配造成干擾，選擇的區(qū)域應(yīng)不包含黑邊。為了減少計(jì)算量，模板應(yīng)在保證準(zhǔn)確率的情況下選擇盡量小。為了確保選定的模板出現(xiàn)在另一張眼底圖像上，我們將選擇眼底圖中上下左右頂點(diǎn)的一塊的100*100像素的區(qū)域作為模板。

s283.利用模板對當(dāng)前類別所有未檢測出第一對象的類鏡像圖像分別進(jìn)行掃描。在具體地實(shí)施例中，對于每個(gè)模板，在當(dāng)前類別其他圖像的內(nèi)部掃描，并計(jì)算每一步的歐式距離，模板與圖像對應(yīng)區(qū)域歐式距離的公式為：

其中a為模板長度，b為模板寬度，為被檢測圖像的對應(yīng)區(qū)域上(i，j)這個(gè)坐標(biāo)的在rgb三個(gè)通道上的像素值，和為模板(i，j)坐標(biāo)在rgb三個(gè)通道上的像素值。

s284.判斷掃描過程中模板對應(yīng)的區(qū)域的相似度是否大于預(yù)設(shè)相似度。在本實(shí)施例中，相似度可以采用歐氏距離表示，還可以采用卡方距離表示，如果所有確定類別圖像的所都模板與待檢測圖片上截取的模板相似度大于預(yù)設(shè)相似度，則進(jìn)入步驟s285。如果所有確定類別圖像的所都模板與待檢測圖片上截取的模板歐式距離均小于預(yù)設(shè)相似度，則進(jìn)入步驟s286。

s285.確認(rèn)被掃描的類鏡像圖像為當(dāng)前類別。

s286.剔除當(dāng)前掃描的類鏡像圖像。在本實(shí)施例中，以類鏡像圖像為左右眼底圖像為例進(jìn)行說明，模板可以選擇多個(gè)，在當(dāng)前確定類別的目標(biāo)眼底圖像中選擇的模板對所有未檢測出第一對象的目標(biāo)眼底圖像進(jìn)行掃描完成后，再次從其他的確定類別的目標(biāo)眼底圖像中選取預(yù)設(shè)大小的區(qū)域作為新的模板，繼續(xù)對所有未檢測第一對象的目標(biāo)眼底圖像進(jìn)行掃描匹配，直至匹配完成所有的確定類別的目標(biāo)眼底圖像將無法通過驗(yàn)證的圖像剔除。

本發(fā)明實(shí)施例還提供了一種對類鏡像圖像分類的裝置，如圖5所示，該裝置包括：

標(biāo)注單元100，用于對多類鏡像圖像的第一對象分別進(jìn)行區(qū)域標(biāo)注，得到多個(gè)標(biāo)注區(qū)域的位置；訓(xùn)練單元200，使用深度卷機(jī)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)標(biāo)注區(qū)域的第一特征信息，得到深度學(xué)習(xí)模型，深度學(xué)習(xí)模型包括：深度學(xué)習(xí)檢測、深度學(xué)習(xí)分類或深度學(xué)習(xí)分割模型中的任意一種，第一特征信息為第一對象的特征信息；判斷單元300，用于根據(jù)深度學(xué)習(xí)模型判斷類鏡像圖像中是否存在第一對象；確認(rèn)單元400，用于在判斷單元判斷出類鏡像圖像中存在第一對象后，根據(jù)深度學(xué)習(xí)模型得到第一對象的位置；相對位置確認(rèn)單元500，用于基于第一對象的位置確定當(dāng)前第一對象在類鏡像圖像中的相對位置；第一類別確認(rèn)單元600，用于根據(jù)第一對象在類鏡像圖像中位置的屬性和當(dāng)前第一對象在類鏡像圖像中的相對位置確定類鏡像圖像的類別。

在可選的實(shí)施例中，識別單元，用于在判斷單元判斷出類鏡像圖像中不存在第一對象后，基于模糊變換識別第二對象的第二特征信息；第二類別確認(rèn)單元，用于根據(jù)第二特征信息在左右眼中的屬性確定類鏡像圖像的類別。

在可選的實(shí)施例中，類鏡像圖像為左右眼底圖像；第一對象為視盤，第一特征信息為視盤顏色和/或視盤紋理；第二對象為血管，第二特征為血管彎曲方向。

在可選的實(shí)施例中，判斷單元包括：劃分子單元，用于將類鏡像圖像分為多個(gè)檢測區(qū)域；第一判斷子單元，用于判斷檢測區(qū)域的確信度是否大于確信度閾值，確信度為檢測區(qū)域中的第一特征信息與標(biāo)注區(qū)域的第一特征信息的相似度；確認(rèn)子單元，用于在第一判斷子單元判斷出檢測區(qū)域的確信度大于確信度閾值后，確認(rèn)檢測區(qū)域內(nèi)存在第一對象。

在可選的實(shí)施例中，確認(rèn)單元包括：坐標(biāo)檢測子單元，用于根據(jù)深度學(xué)習(xí)模型的結(jié)果得到包含第一對象的檢測區(qū)域的坐標(biāo)。

在可選的實(shí)施例中，驗(yàn)證單元，用于從確定類別的目標(biāo)眼底圖像中選擇至少一張目標(biāo)眼底圖像作為模板驗(yàn)證對應(yīng)類別的其他目標(biāo)眼底圖像。

在可選的實(shí)施例中，驗(yàn)證單元包括：第一選擇子單元，用于從確定類別的類鏡像圖像中選擇至少一張目標(biāo)眼底圖；第二選擇子單元，用于在當(dāng)前類鏡像圖像的至少一個(gè)預(yù)設(shè)位置對應(yīng)選擇預(yù)設(shè)面積的區(qū)域作為模板；掃描子單元，用于利用模板對當(dāng)前類別所有未檢測出第一對象的類鏡像圖像分別進(jìn)行掃描；第二判斷子單元，用于判斷掃描過程中模板對應(yīng)的區(qū)域的相似度是否大于預(yù)設(shè)相似度；類別確認(rèn)子單元，用于在第二判斷子單元判斷出相似度大于預(yù)設(shè)相似度，確認(rèn)被掃描的類鏡像圖像為當(dāng)前類別。

在可選的實(shí)施例中，驗(yàn)證單元還包括：剔除子單元，在第二判斷子單元判斷出相似度均小于預(yù)設(shè)值，剔除當(dāng)前掃描的類鏡像圖像。

本領(lǐng)域技術(shù)人員可以理解，實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過計(jì)算機(jī)程序來指令相關(guān)的硬件來完成，的程序可存儲于一計(jì)算機(jī)可讀取存儲介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(rom)或隨機(jī)存儲記憶體(ram)等。

雖然結(jié)合附圖描述了本發(fā)明的實(shí)施例，但是本領(lǐng)域技術(shù)人員可以在不脫離本發(fā)明的精神和范圍的情況下作出各種修改和變型，這樣的修改和變型均落入由所附權(quán)利要求所限定的范圍之內(nèi)。