论文部分内容阅读
视网膜是唯一可以进行无创观察及成像的人体深部结构,大多数视网膜疾病及部分全身系统性病变都将导致视网膜相关生理结构与组织发生改变,因此活体视网膜的高分辨率高对比度成像对相关疾病的早期诊断和医学研究具有重大意义。此外,通过对视网膜的高分辨率实时成像,可以持续跟踪与刺激视网膜感兴趣区域,对于研究人眼视觉功能与工作机制具有重要意义。自适应光学共焦扫描检眼镜（Adaptive Optics Scanning Laser Ophthalmoscopy,AOSLO）借助于自适应光学技术（Adaptive Optics,AO）实时校正人眼像差,实现了视网膜高分辨率实时成像。然而,由于AOSLO对视网膜成像需要优先考虑人眼安全性,因此AOSLO对曝光功率有严格要求,其成像光能量较低,导致采集的视网膜图像存在低对比度与低信噪比的特点。另一方面,受人眼动态像差特性、波前探测精度以及变形镜校正能力的影响,AO无法完全校正人眼像差,残余像差将导致视网膜图像分辨率与对比度降低。这些因素使AOSLO的医学诊断辅助功能受到限制。同时,由于眼底视网膜存在复杂抖动,AOSLO采集的视网膜连续图像帧之间存在帧间与帧内扭曲,使人们无法稳定观察与跟踪视网膜感兴趣区域,并使其应用也受到诸多限制。本文提出了一种基于2阶B样条函数（Basis Spline function）的快速波前复原算法,有效提高了波前复原精度。通过基于去噪预处理和点扩散函数（Point Spread Function,PSF）预估计的盲解卷积算法,显著提高了图像质量,为AOSLO的医疗辅助诊断夯实了基础。通过非线性尺度空间的特征算法与高阶多项式几何变换实现了AOSLO图像配准,基于该技术,完成了AOSLO图像多帧叠加平均,有效改善了图像质量;实现了误差小于0.5像素的视网膜感兴趣区域高精度连续跟踪以及视网膜感兴趣区域运动过程分析,为研究视网膜生理特性和人眼视觉功能及其工作机制提供有效手段。主要研究工作包括:（1）在充分理解AOSLO成像系统及核心器件的基础上,给出了AOSLO成像数学模型并分析了人眼像差对AOSLO成像质量的影响。通过对人眼残余像差分布与人眼像差探测环境的分析,提出人眼残余波前像差探测存在抗噪性与局部性问题。针对这一问题,提出了一种基于2阶B样条函数的快速波前重建算法。该算法通过具有平滑性与紧支撑特性的2阶B样条函数拟合局部波前,可以在保留局部复原能力的同时拥有更强的抗噪性,更适合于人眼残余像差探测。实验表明,该算法有效提升了波前复原精度,使局部波前重建均方误差相较传统方法降低了约88%。（2）采用一系列图像处理方法,提高了AOSLO光学成像质量。目前普遍采用迭代盲解卷积算法增强图像,然而由于盲复原问题的病态性,这些算法鲁棒性差,易受噪声影响,同时也易陷入局部最优解。为了解决传统算法鲁棒性差的问题,本文首先提出了一种内容自适应的去噪算法对退化图像进行预处理。该算法通过分析图像不同结构同时稀疏编码误差分布,建立了基于内容自适应结构组的最优化去噪问题。实验表明,利用传统盲解卷积算法复原去噪预处理的图像,其复原结果的振铃效应得到了有效抑制,然而算法易陷入局部最优解的问题仍待解决。针对传统盲解卷积算法易陷入局部最优解的问题,本文提出了一种基于多尺度图像梯度空间的PSF估计盲解卷积算法。该算法在图像梯度空间中,通过PSF强度与梯度的稀疏分布先验模型约束迭代过程,同时将哈特曼-夏克波前传感器测得的点扩散函数作为精度约束项,显著提高了PSF估计精度。在得到PSF估计后,利用维纳滤波对去噪预处理的退化图像解卷积,得到最终复原图像。此外,为了分析PSF初始估计精度对算法收敛与复原效果的影响,本文通过传统Zernike模式法与第二章中提出的2阶B样条函数波前重构算法分别计算出PSF初始估计,并将它们作为盲解卷积算法输入。实验表明,将基于2阶B样条函数波前重建算法计算出的PSF作为算法初始输入能够显著提高算法收敛速度。利用上述算法,对正常人眼视细胞层与神经纤维层图像以及病人眼图像进行复原。实验表明,相较传统盲解卷积算法,本文算法能够恢复更多图像细节信息同时进一步抑制噪声,有效地提高了AOSLO图像分辨率与对比度,为AOSLO的医疗辅助诊断夯实了基础。（3）提出利用基于非线性尺度空间的特征算法与高阶多项式几何变换配准AOSLO图像,实现了图像多帧叠加平均、视网膜感兴趣区域高精度连续跟踪以及视网膜感兴趣区域运动过程分析。首先,通过分析AOSLO视网膜图像在不同尺度空间中的特征分布,提出非线性尺度空间更适合提取AOSLO图像特征。因此,引入非线性尺度空间下的AKAZE（Accelerated KAZE,AKAZE）特征算法寻找AOSLO图像匹配特征点。得到匹配特征点后,需要计算几何变换模型参数以配准图像。为了寻找最优的几何变换,本文从视网膜运动模型出发,通过高阶多项式拟合视网膜运动过程,并得到对应的高阶多项式变换模型。通过观察不同多项式变换对多个数据集图像配准结果,经验选择出最适合AOSLO图像配准的多项式变换模型为4阶多项式变换。实际配准过程中,受帧间与帧内畸变影响,会出现靠近图像边界的匹配特征点缺失现象,因此本文提出优化AKAZE特征算法边界检测范围以寻找更多靠近图像边界的匹配特征点,并提出一种最大有效区域自动检测与分割方法,显著降低了图像配准误差。基于上述处理方法,本文完成了AOSLO图像的多帧叠加平均。实验表明,相较传统算法,本文方法显著降低图像噪声的同时使平均后图像保持更高的对比度。利用上述配准方法,本文还实现了误差小于0.5像素的视网膜感兴趣区域的高精度连续跟踪以及视网膜感兴趣区域的运动过程分析,为研究视网膜生理特性和人眼视觉功能及其工作机制提供了有效手段。