申请/专利权人：天津大学

申请日：2021-02-08

公开（公告）日：2024-04-16

公开（公告）号：CN112927316B

主分类号：G06T11/00

分类号：G06T11/00;G06T5/73;G06T3/4053

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.06.25#实质审查的生效;2021.06.08#公开

摘要：本发明提供一种光学相干层析成像空间自适应去卷积方法，步骤如下：构建OCT图像去卷积的数学模型，将数学模型离散化得到述线性模型；步骤二：构建去卷积问题的最小二乘形式；由理查德森‑露西算法得到成像深度和清晰图像的初始估计，并设定最大迭代次数Tmax及图像残差阈值τ；设第t步迭代中，成像深度和清晰图像的估计值分别为wt和It得到目标函数的高斯‑牛顿迭代解；迭代计算直至收敛。

主权项：1.一种光学相干层析成像空间自适应去卷积方法，步骤如下：步骤一：构建OCT图像去卷积的数学模型：ox,y＝hx,y,w*ιx,y式中，*为卷积算子，ox,y为观测到的OCT信号，ιx,y为待探测的折射率分布函数，x,y为探测点的坐标，w为探测点的深度，hx,y,w为基于高斯光束模型得到的点扩散函数： 将上述数学模型离散化得到下述线性模型： 式中，为信号ox,y所对应的模糊图像，为折射率函数ιx,y所对应的清晰图像，为卷积核hx,y,w及卷积操作所对应的线性矩阵，代表符号两边具有等价关系；步骤二：构建去卷积问题的最小二乘形式： 式中，||O||2表示向量O的二范数，为由OCT信号离散化生成的模糊图像，为待探测折射率分布函数离散化得到的清晰图像，为卷积核矩阵，w为成像深度，和分别为对I和w的正则化项，λ和μ为正则化参数；步骤三：设t＝0，由理查德森-露西算法得到成像深度和清晰图像的初始估计wt和It，并设定最大迭代次数Tmax及图像残差阈值τ；步骤四：设第t步迭代中，成像深度和清晰图像的估计值分别为wt和It；固定wt则步骤二中为常数，I的估计值与无关，步骤二中的优化问题简化为下述形式： 式中，是当成像深度为wt时的卷积算子，为第t步迭代中关于图像的正则化项，选用TV正则化形式；根据高斯-牛顿迭代解的形式可得，上述目标函数的高斯-牛顿迭代解为： 式中，▽为哈密尔顿算子；步骤五：固定It+1则步骤二中为常数，w的估计值与无关，步骤二中的优化问题简化为下述形式： 式中，选用Tikhnonv正则化项，即wp为成像深度的先验值；根据高斯-牛顿迭代解的形式，目标函数wt的高斯-牛顿迭代解为： 式中，O't和O″t满足 步骤六：重复步骤四与步骤五，直至图像残差或迭代次数tTmax。

全文数据：

权利要求：

百度查询： 天津大学 光学相干层析成像空间自适应去卷积方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD