1、依據(jù)眼前房角光學(xué)相干斷層掃描技術(shù)(OCT)進(jìn)行房角自動(dòng)評(píng)估，是青光眼早期診斷和治療的關(guān)鍵手段。但目前臨床上醫(yī)生更多的還是從眼前房角的具體結(jié)構(gòu)參數(shù)測(cè)量出發(fā)，不僅測(cè)量任務(wù)繁重，而且評(píng)價(jià)主觀性強(qiáng)。本文嘗試?yán)脠D像特征對(duì)眼前房角OCT成像進(jìn)行描述，進(jìn)而利用分類(lèi)器對(duì)眼前房角閉合程度進(jìn)行評(píng)估。本文首先利用特征邊緣提取眼前房角感興趣區(qū)域，對(duì)圖像的重點(diǎn)房角隱窩區(qū)域進(jìn)行劃分。其次利用梯度方向直方圖(HOG)、共生梯度方向直方圖(COHOG)等特征分別描述

2、感興趣區(qū)域，并且通過(guò)支持向量機(jī)(SVM)進(jìn)行房角評(píng)估。最后，從點(diǎn)、線(xiàn)、面三個(gè)層次分別考慮合適的特征描述算法，綜合利用多個(gè)特征全面描述房角隱窩區(qū)域，并且以Shaffer評(píng)級(jí)方法為依據(jù)，對(duì)房角狀態(tài)進(jìn)行多級(jí)分類(lèi)。本文主要工作和研究成果如下：
　　(1)提出了一種基于特征邊緣的感興趣區(qū)域自動(dòng)提取方法。首先，考慮到各類(lèi)型圖像噪聲及失真情況后，提出了一種多層級(jí)的圖像分割算法，為感興趣區(qū)域的精確定位提供了前提。然后，采取基于像素灰度方向連續(xù)性的

3、邊緣檢測(cè)算法，簡(jiǎn)單快速定位虹膜、角膜邊緣。最后，通過(guò)對(duì)邊緣進(jìn)行線(xiàn)性擬合，確定擬合直線(xiàn)相交點(diǎn)，根據(jù)相交點(diǎn)定位感興趣區(qū)域。
　　(2)提出了一種基于感興趣區(qū)域及HOG特征的眼前房角分類(lèi)方法。利用圖像分割結(jié)合基于灰度方向連續(xù)性的邊緣檢測(cè)算法找出基準(zhǔn)點(diǎn)，定位出感興趣區(qū)域。通過(guò)提取HOG特征，結(jié)合支持向量機(jī)進(jìn)行分類(lèi)器訓(xùn)練與圖像最終分類(lèi)。實(shí)驗(yàn)結(jié)果表明，第一，本文感興趣區(qū)域自動(dòng)提取方法定位快速、準(zhǔn)確，為特征提取、樣本分類(lèi)提供了保障；第二，HOG

4、特征與支持向量機(jī)的結(jié)合較好的區(qū)分出閉合、開(kāi)放狀態(tài)，分類(lèi)效果較佳且穩(wěn)定。
　　(3)提出了一種基于COHOG改進(jìn)方法的眼前房角OCT圖像分類(lèi)方法。利用一對(duì)像素點(diǎn)之間空間位置信息的同時(shí)，采用一種余弦定理方式計(jì)算加權(quán)值，增加梯度幅值信息的利用，重新統(tǒng)計(jì)COHOG特征。然后對(duì)高維的COHOG特征采用PCA方法降維。最后仍然結(jié)合SVM方法實(shí)現(xiàn)眼前房角閉合狀態(tài)的兩級(jí)分類(lèi)。實(shí)驗(yàn)結(jié)果證明，利用本文方法兩級(jí)分類(lèi)正確率達(dá)到了84.7％，增強(qiáng)分類(lèi)效果顯