一种激光散斑血流成像的增强方法技术

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以增强激光散斑血流成像的清晰度，由于该方法采用BEEMD对于激光散斑血流成像的处理算法，使得微血管图像显示更为清晰，能够反映更多的细节，降低了震动噪声对血流散斑图的影响；又由于采用的BEEMD算法能有效地避免原EEMD算法在图像行列相关性方面造成的信息缺失，使得在进行去噪操作之前尽可能地保留了完整的图像信息；最后还由于采用的BEEMD算法在计算速度上远优于各类二维经验模态分解(BEMD)算法，使得对在体实时监测血流有积极作用。

An enhanced method for laser speckle blood flow imaging

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列在x或y方向上的序列组合，最初的算法是将二维数据(图像)的每一行(或列)单独进行EEMD处理，然后将所有的行(列)处理结果组合起来，这样做虽然可以分解出不同层次的图像，但由于它将二维信号的每一维向量当作一个独立的过程，忽略了二维信号的相关性，因此按照此方法处理得出的结果很难令人满意。此外，也有研究者提出使用不同二维经验模态分解(BEMD)方法，比如基于Delaunay三角剖分与曲面差值法的BEMD算法，这类算法最大的缺陷就是逻辑复杂，处理过程用时太长。
技术实现思路
本专利技术是针对在激光散斑血流成像中因震动而产生的像素损失问题用二维集合经验模态分解BEEMD算法进行的降噪处理，使之能够更加清晰地显示微血流图像，同时，该算法通过对分解出的固有模态分量层(IntrinsicModeFunction，IMF)进行行列叠加整合，对原有的EEMD算法在二维数据处理过程中出现的行(列)数据相关性缺失问题进行了修正。本专利技术提供的采用了如下的技术方案：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，将采集到的灰度图样存储在计算机中以待进一步处理，步骤2，对灰度图样在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IMF图像在x(行)方向上用EEMD算法进行分解处理；步骤4，将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，对合成的图像进行散斑对比计算，得到激光散斑对比图。本专利技术提供的激光散斑血流成像的增强方法，还可以具有这样的特征：其中，步骤2包括以下几个子步骤：步骤2.1，将步骤1中采集的灰度图为如式(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算法对第m列数据分解f(m,~)=Σj=1JCj(m,~)=Σj=1Jcm,1,jcm,2,j...cm,N,j---(3)]]>式(3)中，J表示分解的IMF层数，j表示第j层数据；步骤2.3，M列数据全部分解完毕后，我们将其重新排列成一个如式(4)的矩阵gj(m,n)=c1,1,jc2,1,j...cM,1,jc1,2,jc2,2,j...cM,2,j............c1,N,jc2,N,j...cM,N,j---(4)]]>本专利技术提供的激光散斑血流成像的增强方法，还可以具有这样的特征：其中，步骤3包括以下几个子步骤：步骤3.1，在gj(m，n)中取第n行数据，n的取值范围(1，N)：gj(～，n)＝(C1，n，jC2，n，j…CM，n，j)(5)；步骤3.2，用EEMD算法对第n行数据分解：gj(~,n)=Σk=1KDj,k(~,n)=Σk=1Kd1,n,j,kd2,n,j,k...dM,n,j,k---(6)]]>式(6)中，K表示分解的IMF层数，k表示第k层数据；步骤3.3，将步骤六中分解的各层数据重新排列成一个式(7)的矩阵：hj,k(m,n)=d1,1,j,kd2,1,j,k...dM,1,j,kd1,2,j,kd2,2,j,k...dM,2,j,k............d1,N,j,kd2,N,j,k...dM,N,j,k---(7).]]>专利技术作用与效果根据本专利技术提供的激光散斑血流成像的增强方法，由于采用BEEMD对于激光散斑血流成像的处理算法，使得微血管图像显示更为清晰，能够反映更多的细节，降低了震动噪声对血流散斑图的影响；又由于采用的BEEMD算法能有效地避免原EEMD算法在图像行列相关性方面造成的信息缺失，使得在进行去噪操作之前尽可能地保留了完整的图像信息；最后还由于采用的BEEMD算法在计算速度上远优于各类二维经验模态分解(BEMD)算法，使得对在体实时监测血流有积极作用。附图说明图1为本专利技术的实施例涉及的图像采集系统激光散斑血流成像系统原理框图(1：激光器2：平面镜3：扩束镜4：载物台5：CCD相机6：计算机)；图2为本专利技术的实施例涉及的BEEMD算法总框图；图3为本专利技术的实施例涉及的BEEMD算法各方向计算框图，3(a)为第一方向分解，3(b)为第二方向分解；图4为本专利技术的实施例涉及的血流模拟对比实验图和大鼠在体脑皮层对比实验图(下排为原EEMD算法效果，上排为本专利技术中所用BEEMD算法效果)。具体实施方式为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本专利技术的激光散斑血流成像的增强方法的流程和具体操作方法、原理作具体阐述。图1为本专利技术的实施例涉及的图像采集系统激光散斑血流成像系统原理框图(1：激光器2：平面镜3：扩束镜4：载物台5：CCD相机6：计算机)。1.使用激光散斑血流成像装置(如附图1所示)来采集散斑图f(x，y)，图像尺寸为512(M)×512(N)。实验中用到了仿生软管作为模拟实验材料，在体实验则选择大鼠脑皮层进行取样。将采集到的软管(大脑皮层)散斑灰度图样存储进计算机中以待进一步处理。图2为本专利技术的实施例涉及的BEEMD算法本文档来自技高网...

【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