一种基于集成学习的彩色眼底图像质量评价方法

本发明涉及电子信息技术领域，具体的说是一种基于集成学习的彩色眼底图像质量评价方法，包括数据集的划分，数据集包括彩色眼底I QA数据集和分割数据集，分别随机选取数据集80％的数据作为训练集，余下20％的数据为验证集。ResNet‑18模型和U‑Net模型单独训练，互不干扰；将彩色眼底I QA数据集训练集中的50％(根据数据量调整比例)的图像进行手工标注4个特征，4个特征分别为：对比度、焦点、照明、阴影和反射；本申请提出的基于集成学习的CF图像质量评价方法，该方法符合眼科诊室的实际需求，能对现场拍摄的CF图像进行全面评价，来判断这张图像是否适用于眼科医生诊断。