1.目标定位与语义分割相结合的超广角眼底图像视盘提取方法，其特征在于包括以下步骤：步骤1：建立YOLOv4模型，进行视盘区域的粗定位；

步骤2：根据视盘区域的粗定位结果，提取包含视盘区域，除去眼周区域；

步骤3：通过活动轮廓模型Snake模型交互式分割视盘区域，构建U步骤4：使用U

所述步骤3包括以下步骤：

首先，对超广角眼底图像进行灰度归一化和高斯滤波，除去噪声；然后手动选取初始轮廓曲线的坐标点，利用插值法得到封闭轮廓曲线；接着计算能量函数E，利用能量函数E得到其梯度F以及五对角带状矩阵A，进而更新曲线上各点位置；最后，填充封闭曲线内的空白区域，得到视盘标签；

如公式(1)-(6)所示:

E

其中：v(s)代表曲线函数，EE

其中：v′(s)为曲线函数一阶导数，v″(s)为曲线函数二阶导数；

E

其中：E

其中：I为输入图像，I

其中：x

其中：f

x

x

2.根据权利要求1所述目标定位与语义分割相结合的超广角眼底图像视盘提取方法，其特征在于：所述步骤2中，根据YOLOv4模型视盘定位结果，提取包含视盘的感兴趣区域，除去干扰视盘区域提取的眼周区域，将视盘中心置于截取图像的偏左或者偏右的位置，截取两个256×256大小感兴趣区域，并覆盖上了掩模。

3.根据权利要求1所述目标定位与语义分割相结合的超广角眼底图像视盘提取方法，其特征在于：所述步骤3中，在U

4.根据权利要求1所述目标定位与语义分割相结合的超广角眼底图像视盘提取方法，其特征在于：所述步骤4包括以下步骤：S4.1：将增强图片输入U

S4.2：对U