一种光谱域光学相干层析成像中的高反射亮斑增强方法

摘要

本发明公开了一种光谱域光学相干层析成像中的高反射亮斑增强方法，该方法是利用传递函数（sigmoid）来控制输入图像的范围压缩。将直方图均衡化应用于S形（sigmoid）传递函数的输出图像。对图像进行直方图均衡化和对数变换。同时，用上述两种方法变换域函数，直方图匹配通过数据映射将两个平行过程结合在一起；将逆对数和逆正交应用于映射数据进行数据转换，以获得增强图像。该方法可清晰地增强高反射亮斑，以达到可视性、分割和量化的目的。

说明书

技术领域

本发明涉及计算机科学中的医学图像处理领域，具体是一种图像的空间域和变换域组合的方法，更具体的是一种光谱域光学相干层析成像中的高反射亮斑增强方法。

背景技术

光学相干断层扫描技术（OCT）是近年来发展较快的一种最具发展前途的新型层析成像技术，特别是在生物组织活体检测和成像方面，都具有诱人的应用前景，已尝试在眼科、牙科和皮肤科的临床诊断中应用。在利用OCT（光学相干层析成像技术）对人眼扫描后，需要将采集到的眼睛的光谱信号处理成OCT信号，最后得到OCT图像。

在获得OCT图像后，一般采用图像处理方法提取形态特征、纹理特征或者分层状态下的其他特征来完成病理学诊断。随着时频分析方法的发展，结合OCT设备中光源的宽带性质，目前可以逐步通过时频变化的方法从OCT图像中提取检测对象内部指定区域的光谱，大大拓展了OCT技术的应用领域。

但是，在实际检测应用中，要求OCT设备获得高分辨率、高速度和灵敏度的样品的横截面成像。而目前的方法主要通过空间增强的方法提取图像对比度和提取功能信息，并将光谱特征映射在相干图像上。为了从纵向扫描中生成深度解析的光谱信息，通常采用短时傅里叶变换（STFT）或连续小波变换（CWT）来取得信息，得到受到广域名的时频分布（TFD）本身制约。最终导致时间和频率之间相互制约，即时间（深度）分辨率和频率（波长）分辨率之间的此消彼长。

在OCT检测领域中，通常使用具有高的空间和时间相关性的光源、例如超级发光二极管（SLDs）。然而，利用这样的光源的光通常只能达到小的深度分辨率。此外在同时使用空间分辨的平面传感器的情况下因为相干串扰的原因可能出现所谓的重影，该重影仅能够通过空间相关性的近似完全的破坏而被避免，这一方面需要一定的技术费用，并且另一方面尽管有技术费用也仅是有条件地实现。在将多个不同的SLD的光叠加而成为一个光源的情况下，因为频谱中的旁瓣最大值的原因而可能附加地引起重影。此外，在使用SLD的情况下，因为其相对小的至多大约20mW的、此外随着光谱带宽的提高而下降的功率，对于高的图像质量来说足够的信噪比不能总是被达到。

由于在产业应用中，OCT图像检测速率要求高，每个对象具有较多的动态变化，故OCT图像的分析量非常大，采用对此校正，效率十分低下。因此，需要对图像进行一次校正，以便后续完成自动分析。据检索，在OCT光谱提取中，自动检测的算法报道较少，各项研究尚处于起步阶段。

发明内容

针对现有技术的不足，本发明提供了一种光谱域光学相干层析成像（OCT）中的高反射亮斑增强方法，该方法可以清晰的增强OCT图像的高反射亮斑，以达到可视性、分割和量化的目的。

实现本发明目的的技术方案是：

一种光谱域光学相干层析成像中的高反射亮斑增强方法，包括如下步骤：

（1）输入图像，将正交变换应用于OCT，采用离散余弦变换（DCT）对光谱域OCT输入图像进行正交变换，通过映射将图像的强度信息转换为正交变换；

（2）将对数变换应用于正交变换的幅度值，创建一个新的矩阵，其中保留了变换后的图像相位，并由变换系数用于相位恢复，得到变换系数模的对数：

式中，

（3）将S形传递函数并行应用于光谱域OCT输入图像，然后将直方图均衡化应用到S形传递函数图像的输出中；

式中，

（4）将DCT的正交变换应用于直方图均衡图像；

（5）将对数变换应用于步骤（4）的正交变换幅度值；

（6）使用直方图映射，映射步骤（2）的输入图像数据，以匹配步骤（5）获得的直方图均衡图像；

（7）将逆对数变换应用于匹配的数据，还原转换后的图像相位；

（8）对逆对数处理的数据应用逆正交变换以生成增强图像，输出图像。

步骤（3）所述

式中，

其中，

本发明的优点是：

（1）改进了高反射亮斑检测的新算法；利用图像的动态范围和对比度在组合空间频域中增强OCT图像中的高反射亮斑；

（2）结合空间频域的新方法，进一步改善高反射亮斑增强操作过程；

（3）图像从高到低的动态范围的映射技术，从而使高反射亮斑的细节变得更加清晰。此外，原始图像可压缩性保持不变，且运算时间较短；

（4）首次提出在OCT图像中增强高反射亮斑的算法，提高OCT图像中高反射亮斑信息的感知度和可解释性，以进行更有效的治疗和疾病监测，同时为医学算法（例如自动高反射亮斑分割）提供更好的数据输入。临床医生和计算机视觉程序员可以利用该算法的成果展开高级图像分析，例如目标（例如，高反射亮斑）检测或统计分析（例如高反射亮斑的量化和测量）。

附图说明

图1为本发明实施例的算法流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步的阐述，但不是对本发明内容的限定。

实施例：

如图1所示，空间变换利用传递函数（sigmoid）来控制输入图像的范围压缩；将直方图均衡化应用于S形（sigmoid）传递函数的输出图像；对图像进行直方图均衡化和对数变换；同时，用上述两种方法变换域函数；直方图匹配是通过数据映射将两个平行过程结合在一起；将逆对数和逆正交应用于映射数据进行数据转换，以获得增强图像。

一种光谱域光学相干层析成像中的高反射亮斑增强的方法，包括如下步骤：

1）输入图像，将正交变换应用于OCT，采用离散余弦变换（DCT）对光谱域OCT输入图像进行正交变换，通过映射将图像的强度信息转换为正交变换；

2）将对数变换应用于正交变换的幅度值。然而，通过对数变换生成的直方图是被压缩的且难以理解。为了解决这个问题，我们创建了一个新的矩阵，其中保留了变换后的图像相位，并由变换系数用于相位恢复，得到了变换系数模的对数：

式中，

3）将S形传递函数并行应用于光谱域OCT输入图像：

式中，

式中，

其中，

然后将直方图均衡化应用到S形传递函数图像的输出中；

4）将DCT的正交变换应用于直方图均衡图像；

5）将对数变换应用于步骤4）的正交变换幅度值；

6）使用直方图映射，映射步骤2）的输入图像数据以匹配步骤5）的直方图均衡图像；

7）将逆对数变换应用于匹配的数据。转换后的图像相位在此步骤中得以还原；

8）对逆对数处理的数据应用逆正交变换以生成增强图像，输出图像。