A laser speckle imaging enhancement method for laser speckle imaging for noise reduction and repair process in order to enhance the clarity of laser speckle imaging, the method adopts BEEMD algorithm for laser speckle imaging, the microvascular image display is more clear, can reflect more details to reduce the influence of noise, vibration on the flow of the speckle pattern; and because the BEEMD algorithm can effectively avoid the original EEMD algorithm in image procession correlation information is missing, so before denoising operation as much as possible to retain the whole image information; finally, because the BEEMD algorithm used in computing speed far superior to all kinds of two-dimensional empirical mode decomposition (BEMD) algorithm, the in vivo real-time monitoring of blood flow has a positive effect.
【技术实现步骤摘要】
本专利技术涉及一种激光散斑血流成像的增强算法,特别涉及一种基于二维集合经验模态分解(Bi-DimensionalEnsembleEmpiricalModeDecomposition,BEEMD)算法的激光散斑血流成像增强方法,属于生物医学信号处理
技术介绍
激光散斑对比成像技术(LaserSpeckleContrastImaging,LSCI)是通过分析运动颗粒对相干激光的散射特性来获得颗粒运动速度的技术,同时也能够提供二维的血流分布图像。通过激光散斑对比分析对记录的数据进行处理,得到对比图像,该图像可以反映血流的速度信息,也可以通过图像反映微血管的分布情况。从实验角度和硬件设备角度来考虑,激光散斑对比成像技术对于成像过程中的任何抖动都是非常敏感的。例如:模拟试验中的仿生软管会因微型泵的蠕动作用而产生震动噪声、白鼠和人体的呼吸、心跳等都会产生不同程度的抖动。以上这些抖动的直接影响就是造成散斑对比图像的分辨率损失。集合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)是N.E.Huang等研究者在EMD基础上提出的一种噪声辅助数据分析方法,相比于傅立叶分解和小波分解方法,其明显优势就在于适合分析非线性、非平稳信号序列且具有很高的信噪比,同时解决了EMD算法中存在的模态混叠问题。EEMD算法在一维数据分解,比如海洋、大气、天体观测资料以及地震记录分析、机械故障检测、医学临床监测等方面应用非常广泛,但在二维以及多维信号的数据处理和信号分析上还存在诸多问题。对于二维空间数据或图像,我们常会把其看作是一维数据序 ...
【技术保护点】
一种激光散斑血流成像的增强方法,用于对激光散斑血流成像进行降噪处理和修复处理而得到散斑对比图以增强所述激光散斑血流成像的清晰度,其特征在于,包括以下步骤:步骤1,使用激光散斑血流成像装置来采集散斑的灰度图,将采集到的所述灰度图样存储以待进一步处理;步骤2,对所述灰度图样在y(列)方向上用EEMD算法进行处理得到多层IMF层图像;步骤3,对每层所述IMF图像在x(行)方向上用EEMD算法进行分解处理;步骤4,将所述分解处理后的结果按照行列规则进行叠加,得到最终的固有模态分量图;步骤5,对所述固有模态分量图进行阈值滤波处理,去除噪声和残余信息,并将保留的分量图叠加计算合成为一张合成图像;步骤6,对所述合成的图像进行散斑对比计算,得到激光散斑对比图。
【技术特征摘要】
1.一种激光散斑血流成像的增强方法,用于对激光散斑血流成像进行降噪处理和修复处理而得到散斑对比图以增强所述激光散斑血流成像的清晰度,其特征在于,包括以下步骤:步骤1,使用激光散斑血流成像装置来采集散斑的灰度图,将采集到的所述灰度图样存储以待进一步处理;步骤2,对所述灰度图样在y(列)方向上用EEMD算法进行处理得到多层IMF层图像;步骤3,对每层所述IMF图像在x(行)方向上用EEMD算法进行分解处理;步骤4,将所述分解处理后的结果按照行列规则进行叠加,得到最终的固有模态分量图;步骤5,对所述固有模态分量图进行阈值滤波处理,去除噪声和残余信息,并将保留的分量图叠加计算合成为一张合成图像;步骤6,对所述合成的图像进行散斑对比计算,得到激光散斑对比图。2.根据权利要求1所述的激光散斑血流成像的增强方法,其特征在于:其中,所述步骤2包括以下几个子步骤:步骤2.1,将步骤1中采集的所述灰度图为如式(1)的一个N行M列的二维数据序列f(m,n)=f1,1f2,1...fM,1f1,2f2,2...fM,2............f1,Nf2,N...fM,N---(1)]]>取第m列数据,m的取值范围(1,M)f(m,~)=fm,1fm,2...fm,N---(2)]]>步骤2.2,用EEMD算法对所述第m列数据分解f(m,~)=Σj=1JCj(m...
【专利技术属性】
技术研发人员:贾亚威,杨晖,李然,龚建铭,
申请(专利权)人:上海理工大学,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。