基于压缩感知的淡水藻类全息图像增强与重建方法技术

本发明专利技术公开了一种基于压缩感知的淡水藻类全息图像增强与重建方法，该方法先利用S‑G滤波器对图像进行滤波和增强对比度处理；之后利用基于压缩感知的超分辨率重建方法提高处理后图像的分辨率；再利用角谱全息再现方法结合自动对焦测距的方法对全息图进行全息再现获得包含实际物象的全息再现图；利用孪生像迭代消除方法消除再现图像中残留的孪生像形成的噪声。本发明专利技术能够良好地改善无透镜全息成像装置获得的全息图的像质，不仅去除了噪声，还提高了图像的分辨率；同时实现的复杂度较低，图像处理时间短。

【技术实现步骤摘要】

本专利技术涉及全息图像超分辨率重建技术，特别涉及一种基于压缩感知的淡水藻类全息图像增强与重建方法。
技术介绍
利用无透镜全息成像装置获得的藻类全息图像有噪声过多、对比度不高、分辨率过低和孪生像干扰等缺陷，导致不能准确地对淡水藻类细胞分类与计数，阻碍了无透镜全息成像装置应用于淡水检测的目标。因此增强和改善图像像质是全息成像、图像处理等研究领域的一项重要研究内容，其研究成果在细胞检测、全息成像等领域具有重要的应用意义。传统的无透镜全息图像的增强与重建方法通常采用合成孔径的方法来提高图像分辨率，由于合成孔径的方法过程是控制光源孔径的位移来获得多幅亚像元位移的低分辨率全息图，经过后期的合成处理得到高分辨率图像。这样不但增加了装置，不利于实现装置结构简单、易于操作和成像效率高的目标，而且配准不精确会使重建图像质量急剧下降。
技术实现思路
本文专利技术的目的是提供基于压缩感知的改善淡水藻类全息图像像质的方法，改善无透镜全息装置获取的淡水藻类全息图像的像质，图像清晰度和对比度都得到一定的增强的同时，去除了图像包含的噪声，为淡水藻类细胞的分类与计数奠定良好的基础。为了解决上述技术问题，本专利技术采用以下技术方案。一种基于压缩感知的淡水藻类全息图像增强与重建方法，包括以下步骤：1)利用无透镜全息成像装置获取淡水藻类全息图像；2)利用Savitzky-Golay平滑滤波器(简称S-G滤波器)和直方图均衡化去除图像噪声和增强图像对比度；3)通过基于压缩感知(Compressive Sensing，CS)的单幅图像的超分辨率重建方法,提高全息图像的分辨率，其步骤如下：a)根据图像建立超分辨重建问题模型：y＝SFHGFΨx％＝SFHGFx； (1)式中：F是傅里叶变换矩阵，起到将图像从空间域转换成频域内处理的作用；x＝Ψx％，其中：Ψ是变换基矩阵，x％则代表的是x在稀疏域的表达式；G是低通滤波器，S是下采样矩阵，y即是待超分辨率重建的全息图像，x是超分辨率重 建后的全息图像；b)求解x的过程为求解无约束凸规划的过程，即求目标函数f(x)的最小值：式中：等号右边第一项表示观测数据的拟合优度；第二项中的Φ(x)是能保持图像边缘的对比度与锐度的TV正则化算子。；λ＞0，为正则化参数；c)利用两步迭代收缩算法求解式(2)得到x-即超分辨率重建之后的全息图像；4)利用角谱全息再现结合自动对焦的方法将全息图像进行全息再现以还原淡水藻类细胞的实际轮廓结构；其步骤如下：a)计算得到频域的衍射传递函数：式中：fx和fy代表的是水平和垂直方向的空间频率，n是传输介质的折射率，z2为衍射传播距离；b)设定z2的取值范围0.7～3mm，相同间隔取值100次；c)每相同间隔取一次z2的值后，利用式(3)对超分辨率重建后的图像x在此位置进行全息再现；d)利用Sobel算子计算此位置的全息再现图像梯度，并求得TEG对焦量化函数F的值，比较F值的大小，F的值最大时，得到最佳全息再现图像；5)利用迭代消除方法去除残留在藻类细胞图像周围的孪生像形成的噪声。本专利技术能够更为针对性、有效性地改善淡水藻类全息图像的像质，方法实现的复杂度较低。而且当仅能获得单幅图像的情况下，也能实现传统基于多幅图像匹配超分辨率重建的图像像质的改善效果，从而降低无透镜全息成像装置的结构复杂度和功能实现难度。附图说明图1是无透镜全息成像装置中的CCD记录的全息原图；图2是经过S-G滤波处理和直方图均衡化增强之后的全息原图；图3a1～图3b2是图2中部分区域进行超分辨率重建之后的效果对比图；其中：图3a1、图3a2是超分辨率重建前后的全息原图；图3b1、图3b2是全息原图的超 分辨率重建前后的去除背景区域的全息再现图；图4a是图3a2进行孪生像去除之后获得的全息相位图；图4b是图4a进行全息再现获得的全息再现图；图5是图2进行超分辨率重建、孪生像去除和全息再现后获得的图像。具体实施方式以下结合附图和实施例对本专利技术作进一步说明。参见图1至图5,一种基于压缩感知的改善淡水藻类全息图像像质方法，下面对方法的具体流程进行说明：1)利用无透镜全息成像装置获得淡水藻类全息原图，如图1所示。2)利用S-G平滑滤波器和直方图均衡化对图1进行滤波和增强对比度的处理，处理效果如图2所示。3)截取图2中的局部区域获得图3a1,然后根据基于压缩感知的单幅图像超分辨率重建方法编制程序并对图3a1进行超分辨率重建得到分辨率得到提高的图3a2，由于图像的本身的特殊性，只凭肉眼并不能看出提高分辨率前后图像的区别，为了论证算法的有效性，利用角谱全息再现结合对焦精确测距的方法对图3a1和图3a2中同一区域的细胞进行全息再现并去除图像背景区域得到图3b1和图3b2，从两幅图像发现，利用基于压缩感知的单幅图像超分辨率重建的方法提高分辨率的全息图像的全息再现图像的图像质量得到明显提高，细胞边缘锯齿现象减少，清晰度提升。4)对图3a2利用迭代消除方法进行处理后得到一幅无孪生像干扰的全息图像，效果如图4a所示，之后利用角谱全息再现结合对焦精确测距的方法对图4a进行全息再现得到图4b，可以看出，孪生像的干扰明显减少，细胞结构轮廓清晰可见。对图2重复步骤4得到图5，对图5中三个细胞区域进行放大，从放大区域可以看到，细胞细节信息依然得到很好地保留，这为后期淡水藻类细胞奠定了良好的基础。本文档来自技高网...

【技术保护点】
基于压缩感知的淡水藻类全息图像增强与重建方法，其特征在于，包括如下步骤：1)利用无透镜全息成像装置获取淡水藻类全息图像；2)利用Savitzky‑Golay平滑滤波器和直方图均衡化去除图像噪声和增强图像对比度；3)通过基于压缩感知的单幅图像的超分辨率重建方法,提高全息图像的分辨率；其步骤如下：a)根据图像建立超分辨重建问题模型：y＝SFHGFΨx％＝SFHGFx；   (1)式中：F是傅里叶变换矩阵，起到将图像从空间域转换成频域内处理的作用；x＝Ψx％，其中：Ψ是变换基矩阵，x％则代表的是x在稀疏域的表达式；G是低通滤波器，S是下采样矩阵，y即是待超分辨率重建的全息图像，x是超分辨率重建后的全息图像；b)求解x的过程为求解无约束凸规划的过程，即求目标函数f(x)的最小值：式中：等号右边第一项表示观测数据的拟合优度；第二项中的Φ(x)是能保持图像边缘的对比度与锐度的TV正则化算子；λ＞0，为正则化参数；c)利用两步迭代收缩算法求解式(2)，得到x‑即超分辨率重建之后的全息图像；4)利用角谱全息再现结合自动对焦精确测距的方法，将全息图像进行全息再现，以还原淡水藻类细胞的实际轮廓结构；其步骤如下：a)计算得到频域的衍射传递函数：式中：fx和fy代表的是水平和垂直方向的空间频率，n是传输介质的折射率，z2为衍射传播距离；b)设定z2的取值范围为0.7～3mm，相同间隔取值100次；c)每相同间隔取一次z2的值后，利用式(3)对超分辨率重建后的图像x在此z2位置进行全息再现；d)利用Sobel算子计算此位置的全息再现图像梯度，并求得TEG对焦量化函数F的值，比较F值的大小，F的值最大时，得到全息再现图像；5)利用的迭代消除方法，去除残留在藻类细胞图像周围的孪生像形成的噪声。...

【技术特征摘要】
1.基于压缩感知的淡水藻类全息图像增强与重建方法，其特征在于，包括如下步骤：1)利用无透镜全息成像装置获取淡水藻类全息图像；2)利用Savitzky-Golay平滑滤波器和直方图均衡化去除图像噪声和增强图像对比度；3)通过基于压缩感知的单幅图像的超分辨率重建方法,提高全息图像的分辨率；其步骤如下：a)根据图像建立超分辨重建问题模型：y＝SFHGFΨx％＝SFHGFx； (1)式中：F是傅里叶变换矩阵，起到将图像从空间域转换成频域内处理的作用；x＝Ψx％，其中：Ψ是变换基矩阵，x％则代表的是x在稀疏域的表达式；G是低通滤波器，S是下采样矩阵，y即是待超分辨率重建的全息图像，x是超分辨率重建后的全息图像；b)求解x的过程为求解无约束凸规划的过程，即求目标函数f(x)的最小值：式中：等号右边第一项表示观测数据的拟合优度；第二项中的Φ(x)...

【专利技术属性】
技术研发人员：陈震，冷健雄，张聪炫，张初华，王官权，危水根，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西;36