基于分数阶积分算法的OCT图像去噪研究

散斑存在于光学相干层析成像(OCT)信号中,不可避免地影响OCT图像质量。通过对OCT系统中的噪声源进行分析,提出了一种傅里叶域OCT图像散斑噪声降噪的分数阶积分算法。为了克服单纯主观视觉判别图像质量的局限性,均方误差、峰值信号噪声比和边缘保护系数被选为图像去噪评估标准。通过实验与中值滤波和维纳滤波方法进行比较,结果表明,该算法可以有效地保留OCT图像中的重要边缘细节信息,同时有效消除噪声,使图像细节清晰,提高图像质量。     

纯随机相位板散斑去相关光学相干层析成像

光学相干层析成像（OCT）的图像质量会受到散斑噪声的影响,限制了OCT在临床诊断中的应用。叠加取平均是一种降噪的常用方法,作为相干噪声,散斑降噪的关键在于降低用于叠加的图像之间的散斑相关度。提出了一种基于纯随机相位板的散斑去相关OCT系统（PSD-OCT）。利用纯随机相位板调制样品光的波前相位以实现散斑去相关,从而为采用叠加取平均降低OCT图像噪声的方法提供低相关数据。成像实验证明了纯随机相位板能够降低散斑相关度,提升叠加图像的散斑信噪比,使得生物样品的精细结构更为清晰明显。与传统OCT的相关叠加相比,PSD-OCT的去相关叠加可以大幅降低散斑噪声从而增强OCT图像的视觉可见性,且无需搭建复杂系统,具有广泛的生物医学成像应用前景。     

基于动态散斑的光学相干层析成像技术

在光学相干层析成像(OCT)技术中引入激光散斑的处理方法。首先在同一位置多次采集得到光谱信号,再对每个时刻所得光谱信号沿波矢方向进行傅里叶变换,解析得到同一位置每个时刻的OCT结构信息。然后对OCT结构信号沿时序方向进行傅里叶变换,得到散斑的频谱分布,最后在频谱区域中将动态散斑与静态散斑的比值定义为成像参数,以该比值构建的图像可以将样品图像中的流动区域凸显出来。仿体实验充分验证了该方法的可行性,将该方法用于鼠耳的血管区域提取并得到了鼠耳的三维血管图。     

基于稳健性主成分分析算法的光学相干层析成像去除散斑噪声的研究

为了消除光学相干层析成像(OCT)系统中存在的大量散斑噪声,引入了稳健性主成分分析(RPCA)算法。通过分析生物组织在OCT中散斑的产生机制,从而了解OCT系统中散斑噪声的特点。结合OCT系统自身的特点,证明基于RPCA算法的低秩矩阵恢复模型对OCT系统消除散斑噪声有良好的适用性。利用RPCA算法,可以得到将OCT原始图像分解成散斑噪声图像和样品截面图像的最佳估计。RPCA算法能在分离散斑噪声的同时,保留样品自身结构的散斑图样,有效地避免了伪影的生成。通过对比处理后和处理前的图像,结果表明,RPCA算法能够有效地抑制散斑噪声,提高信噪比,改善OCT图像效果。     

基于双域滤波算法的OCT图像去噪

光学相干断层扫描(OCT)作为眼科疾病的重要诊断手段之一,具有巨大的发展潜力。OCT图像中含有大量的散斑噪声,会影响图像病理信息的检测和提取。提出一种去除OCT图像散斑噪声的方法,依据散斑噪声的乘性特性建立了乘性噪声模型。针对双域滤波中产生的伪吉布斯现象,引入各向异性扩散获得引导图像,代替了算法中的自身引导,减少了迭代次数。结果显示,所提方法提高了算法效率与图像质量,算法运行时间大幅度下降,图像峰值信噪比(PSNR)提高到36dB,结构相似性(SSIM)和边缘保持系数(EPI)分别达到0.8和0.7左右,有效抑制了OCT图像中的散斑噪声。     

散斑干涉相位条纹图的频域滤波处理

为了解决在数字散斑干涉技术测量时,散斑干涉相位条纹图像中大量噪声对相位解包裹结果和精度产生严重影响的问题,介绍了一种条纹正余弦分解和频域低通滤波结合的方法,实现了散斑干涉相位条纹图的高精度滤波。该方法的基本思路是在对相位图像进行滤波处理前,先将相位图通过正余弦函数进行映射转换成两幅图,分别经过频域滤波,然后再合成为相位图。这种分解频域滤波方法可以在滤波的同时,有效保留相位跳变信息。实验结果表明：与传统的图像降噪方法相比,该方法能够在保留图像“尖峰”信息的基础上,较好地滤除图像中的散斑噪声,方法简单有效,有效解决了传统滤波方法应用在相位条纹图中,相图灰度信息丢失10%~40%的问题。     

多尺度条件卷积的OCT视网膜图像降噪研究

散斑噪声存在于光学相干层析成像(OCT)中,影响OCT图像质量.在使用OCT设备诊断各种常见眼科疾病时,高质量的OCT图像是极为重要的.利用深度神经网络对OCT图像进行降噪处理,使图像在保留空间结构细节的基础上能展示更多的信息.提出了一种基于残差学习网络的新型OCT图像降噪网络-CMCNN,其具有多尺度、多权重和多层次...     

基于偏振滤波图像增强和动态散斑照明的宽场荧光层析显微镜

提出了一种基于偏振滤波图像增强和动态散斑照明的新型宽场荧光层析显微镜. 该显微镜采用了一种新型的偏振滤波图像增强技术, 基于激发光与荧光偏振态的差异, 利用偏振器件滤除激发光; 并利用动态散斑照明实现宽场层析. 该荧光层析显微镜具有结构简单、低成本、响应速度快、容易操作等特点. 实验研究结果表明, 本文提出的滤波方案能够显著地提高图像质量, 利用动态散斑照明实现宽场层析具有较高的纵向分辨能力. 研究丰富了在荧光显微镜中, 从强激发光中提取弱荧光信号的技术手段, 为今后发展具有快速响应, 波长可调谐的多光谱荧光层析等高端的显微镜具有重要参考意义.     

激光偏振成像散斑统计特性和抑制方法研究EI北大核心CSCD

对激光偏振成像系统的散斑统计特性及其相应的散斑去除方法进行了理论和实验研究。运用穆勒矩阵法建立了该激光偏振成像系统散斑光强的概率分布模型。针对现代电荷耦合器件(CCD)的成像特点,通过比较散斑与像素的大小,将散斑分为两种情况进行研究,即小散斑和大散斑。得出散斑的归一化方差与像素成线性关系,均值不受像素的影响。进而提出了统一的散斑噪声概率模型,即改进的伽马分布模型。基于此模型,提出了改进的贝叶斯非局部滤波模型。通过处理真实的偏振图片,综合等效视数、边缘增强指数等指标,表明该算法比传统的散斑去除算法具有更好的散斑去除和边缘保持能力。     

超声平面波同相正交信号频域波束形成算法

针对频域平面波波束形成算法尚不能直接应用于采用正交解调的超声成像系统中的实际问题,提出一种平面波同相正交信号频域波束形成方法。以平面波射频信号频域波束形成算法为基础,根据射频信号与同相正交信号波数空间变量之间的关系,推导了平面波同相正交信号与对应图像的频谱映射表达式,从而实现对正交解调后信号的频域超声图像重建。采用2016年Plane Wave Imaging Challenge in Medical Ultrasound (PICMUS)发布的仿真、仿体及在体原始回波数据对这一方法进行验证,并评估图像的分辨率和对比噪声比。仿真和仿体实验结果表明,相对于射频信号的频域波束形成算法,该算法可获得与之相同的图像质量,并将成像速度提高了约4倍。在体实验数据的成像结果也验证了该算法在实际应用中的有效性。     

超声平面波同相正交信号频域波束形成算法

针对频域平面波波束形成算法尚不能直接应用于采用正交解调的超声成像系统中的实际问题,提出一种平面波同相正交信号频域波束形成方法。以平面波射频信号频域波束形成算法为基础,根据射频信号与同相正交信号波数空间变量之间的关系,推导了平面波同相正交信号与对应图像的频谱映射表达式,从而实现对正交解调后信号的频域超声图像重建。采用2016年Plane Wave Imaging Challenge in Medical Ultrasound (PICMUS)发布的仿真、仿体及在体原始回波数据对这一方法进行验证,并评估图像的分辨率和对比噪声比。仿真和仿体实验结果表明,相对于射频信号的频域波束形成算法,该算法可获得与之相同的图像质量,并将成像速度提高了约4倍。在体实验数据的成像结果也验证了该算法在实际应用中的有效性。      

基于电控液晶散射片的数字全息散斑去噪研究

数字全息中的散斑噪声对图像质量有很大的影响,而形成散斑噪声的原因之一是参考光和物光的相干度太高,对记录的全息图引入了不必要的噪声。文章研究了利用电控液晶散射片对相干光进行退相干的操作来实现散斑去噪;通过调整电压改变物光路中电控液晶散射片的散射效果,记录得到液晶散射片在多种散射效果下照射的全息图,多种散射效果下重建物体图像的等效外观指数各有不同,将各个重建图像对比得到最优结果;在最优散射效果下将全息图叠加进行重建,重建图像中的散斑噪声得到很好的抑制且比单副效果更好。通过理论分析和实验验证证实了所提出的方法对提高数字全息系统的成像质量有很大的应用价值。     

基于连续统快速傅里叶变换的红外光谱处理技术

为实现红外光谱对遥感地物准确的识别,消除高频噪声是光谱特征分析和提取的重要环节。利用光谱连续统处理方法,结合信号时域分析领域快速傅里叶变换提出了一种新的红外光谱滤波方法。该方法首先对红外光谱进行光谱连续统去除,利用快速傅里叶变换将去连续统后光谱转换到频域,设计低通滤波器滤除高频噪声,然后通过快速傅里叶反变换将频域信号转换到时域,最后对信号进行光谱连续统恢复,得到滤除噪声后的红外光谱信号。对比实验表明,连续统快速傅里叶滤波方法比常规的时域滤波方法有更好、更快的滤波效果,解决了传统快速傅里叶红外光谱滤波的吉布斯现象。该方法操作简便、运行速度快捷、滤波效果好,满足了红外光谱地物识别对光谱高质量的要求。     

频域OCT的背向散射率补偿

针对频域OCT中背向散射光的强度随探测深度加深而急剧减弱,从而导致最后的组织成像模糊不清的现象,提出了一种对不同探测深度图像灰度补偿的方法。该方法通过补偿样品每层析面的入射光功率与背向功率散射率,来得到样品每层析面图像的真实灰度,提高了OCT图像质量。以理想的、由多层均匀介质组成的组织模型为基础,深入剖析了影响深度图像灰度的主要因素。通过建立以多层盖玻片为被测物体的频域OCT系统,得到多层盖玻片的深度图像。在对以盖玻片为被测物体的前提下,得出逐层深度图像灰度补偿的公式。并将理论补偿和实验系统的复杂情况相结合,对深度灰度图像进行入射和出射光强的补偿。实验结果证明这种补偿法是一种有效可行的补偿方法。     

电子散斑实验数字化软件的设计

将电子散斑干涉测量技术引入物理实验教学中,为实现电子散斑的数字化,编写了功能齐全的处理软件,可以根据实验环境的不同对散斑图进行不同的预处理,使在尽可能不损失图像重要信息的基础上降低噪声,提高信噪比.     

基于深度学习的视网膜OCT图像无监督去噪方法

以散斑噪声为主的噪声干扰严重影响视网膜光学相干层析（OCT）图像质量。深度学习是一种有效的去噪方法。但对活体成像而言,其很难获取多帧配准的真值图像,这影响了监督学习方法的效果。提出一种无监督深度残差稀疏注意力网络用于视网膜OCT图像去噪,并分别从视觉评价和数值评价两方面与传统的三维块匹配滤波去噪算法和经典的深度学习去噪网络进行对比。研究了监督学习与无监督学习策略下3种卷积神经网络的去噪性能,并利用公开的视网膜OCT图像数据集进行泛化能力测试。实验结果表明：所提算法的视觉评价和数值评价均具有良好的降噪效果,可以实现视网膜OCT图像高质量降噪,具有较强的泛化性,而且与监督学习相比,无监督学习在数据集不充分时仍能获得较好的降噪性能,可以有效地辅助医生进行准确高效的临床诊断。     

基于平滑样条拟合的相位图像滤波评价方法

在散斑干涉测量中,散斑相位图存在大量散斑噪声,需要对其进行滤波处理。但是,目前存在的滤波评价指标不适用于对单一图像持续滤波过程的判断,难以实现滤波过程的自动化。提出一种基于平滑样条拟合的滤波评价方法,通过对滤波过程中相位图的相位分布进行平滑样条拟合并计算其均方根误差,实现对滤波效果的定量分析,以及对持续滤波过程中的图像滤波完成情况的判断,并采用散斑干涉测量中的实验图像对所提方法进行实验验证。实验结果表明,该方法能有效判断散斑相位图是否滤波完成。最后通过对该方法判断的滤波完成图像进行解包裹处理,进一步验证了该方法的有效性和普适性。     

基于物体像的干涉条纹图像中散斑噪声的识别方法

散斑噪声是激光干涉时的普遍现象,其覆盖被测表面对应区域的形状信息,造成测量误差。针对斜入式激光干涉测量中散斑噪声的特点,提出一种基于物体像的散斑噪声的识别方法。该方法通过统计物体像中有效测量区域和背景区域内灰度分布的特点,自动计算出判定散斑噪声的上下阈值。基于物体像与干涉条纹图像间微米级的映射关系,得到干涉条纹图像中散斑噪声的位置。设计了相关实验,对干涉条纹图像中识别出的散斑噪声区域进行修补,消除了包裹相位图中一个条纹周期内相邻像素点间大于π的相位突变。     

基于分组主成分分析的光学相干图像降斑算法

通过分析临床医学图像中光学相干断层成像(OCT)的相干斑噪声模型,提出了一种基于局部分组主成分分析的光学相干断层图像降斑算法。根据相干图像的统计特征,利用同态滤波将乘性噪声转换为加性噪声;将训练集中待处理的像素及其邻域表示成子块向量,利用块相似性度量对子块进行分组,并用于主成分分析。为有效抑制相干图像中病灶的噪声干扰,将该算法执行两次。实验结果表明:所提算法在降斑的同时较好地保留了图像的细节信息,而且获得了较高的客观评价指标。     

基于光学相干层析成像的视网膜图像自动分层方法

利用光学相干层析成像(OCT)获得视网膜图像并对其进行分层,进而获得各视网膜层的厚度,在许多眼科疾病的临床诊断中具有重要作用。高散斑噪声、低图像对比度、存在血管等复杂结构等因素使得对视网膜的精确分层难以实现。提出了一种视网膜OCT图像的自动分层方法,利用三维块匹配和均值滤波去噪对图像进行预处理,分两步对视网膜图像分层,在每个A扫描上设置可变阈值进行逐层分割作为初步分层结果,然后对各层的初步分层结果进行连续性和完整性判断和修正。对健康和患病视网膜的OCT图像进行分层以验证提出方法的有效性。实验结果显示该方法能够精确地分出9层视网膜层,平均层边界位置偏差为(1.34±0.24)pixel。该方法能够适应噪声高、对比度低的图像,对存在血管等复杂结构的图像同样能够实现较好的分层。