一种基于大数据的扩散光层析成像智能化建模方法技术

本发明专利技术涉及扩散光层析成像技术领域，具体涉及一种基于大数据的扩散光层析成像智能化建模方法。本发明专利技术包括以下步骤：S1：采用超像素集特征提取方法进行扩散光层析成像的大数据信息采样，构建扩散光层析成像超像素大数据集信息融合模型；S2：所述扩散光层析成像超像素大数据集信息融合模型结合空间区域滤波方法进行扩散光层析成像滤波处理，提取扩散光层析成像的边缘轮廓特征，结合图像分块匹配方法进行扩散光层析成像的特征匹配和分块重组；S3：分析扩散光层析成像像素大数据集的关联特征量，通过自相关特征分解方法进行扩散光层析成像的尺度分解；S4：结合大数据分析方法实现扩散光层析成像的三维重构，实现扩散光层析成像智能化建模。

【技术实现步骤摘要】
一种基于大数据的扩散光层析成像智能化建模方法
本专利技术涉及扩散光层析成像
，具体涉及一种基于大数据的扩散光层析成像智能化建模方法。
技术介绍
随着光检测和光成像技术的发展，采用扩散光层析成像技术进行光检测研究，根据扩散光层析成像结果分析成像物体的表面纹理特征，提高对目标的探测和识别能力，但在进行扩散光层析成像过程中，受到光学特征衍射和环境干扰等因素的影响，导致扩散光层析成像的质量不好，输出图像的信噪比不高，需要建立扩散光层析成像优化模型，结合图像优化处理和大数据信息分析方法，进行扩散光层析成像的数学模型优化设计，提高扩散光层析成像质量，相关的扩散光层析成像方法研究受到人们的极大重视。对扩散光层析成像智能化建模方法研究是建立在对扩散光层析成像的图像信息分析和特征提取基础上，提取扩散光层析成像的模糊特征量，采用机器学习方法实现扩散光层析成像信息融合感知和分割，提高成像质量，传统方法中，扩散光层析成像智能化建模方法主要有Kalman建模方法、小波信息融合方法、高分辨特征分割方法等，结合分块区域模板匹配方法进行扩散光层析成像的特征分割，本文档来自技高网...

【技术保护点】
1.一种基于大数据的扩散光层析成像智能化建模方法，其特征在于，包括以下步骤：/nS1：采用超像素集特征提取方法进行扩散光层析成像的大数据信息采样，构建扩散光层析成像超像素大数据集信息融合模型；/nS2：所述扩散光层析成像超像素大数据集信息融合模型结合空间区域滤波方法进行扩散光层析成像滤波处理，提取扩散光层析成像的边缘轮廓特征，结合图像分块匹配方法进行扩散光层析成像的特征匹配和分块重组；/nS3：分析扩散光层析成像像素大数据集的关联特征量，通过自相关特征分解方法进行扩散光层析成像的尺度分解；/nS4：结合大数据分析方法实现扩散光层析成像的三维重构，实现扩散光层析成像智能化建模。/n

【技术特征摘要】
1.一种基于大数据的扩散光层析成像智能化建模方法，其特征在于，包括以下步骤：
S1：采用超像素集特征提取方法进行扩散光层析成像的大数据信息采样，构建扩散光层析成像超像素大数据集信息融合模型；
S2：所述扩散光层析成像超像素大数据集信息融合模型结合空间区域滤波方法进行扩散光层析成像滤波处理，提取扩散光层析成像的边缘轮廓特征，结合图像分块匹配方法进行扩散光层析成像的特征匹配和分块重组；
S3：分析扩散光层析成像像素大数据集的关联特征量，通过自相关特征分解方法进行扩散光层析成像的尺度分解；
S4：结合大数据分析方法实现扩散光层析成像的三维重构，实现扩散光层析成像智能化建模。


2.根据权利要求1所述的一种基于大数据的扩散光层析成像智能化建模方法，其特征在于，所述步骤S1的具体步骤如下：
S1.1：首先构建扩散光层析成像的大数据分析模型，采用超像素特征融合方法，得到所对应的扩散光层析成像的超像素大数据特征分量为公式(1)与公式(2)：






公式(1)p(ωi)为扩散光层析成像的超像素大数据集分布维数，u为超像素大数据集特征融合的关联系数；
S1.2：采用模糊特征量融合方法，进行扩散光层析成像的像素特征点融合，建立扩散光层析成像的空间区域性重构模型，结合衍射纹理分析方法，建立扩散光层析成像的像素集大数据采样模型；
S1.3：设扩散光层析成像的灰度像素集为(i,j)，以此为像素中心，采用锐化模板分块组合方法构建扩散光层析成像的三维重构模型，对扩散光层析成像进行信息融合感知和三维重构，根据探测器上的荧光强度分析扩散光层析成像的灰度像素特征，使用共轭梯度迭代法方法，构建扩散光层析成像的稀疏性特征分割模型，得到荧光雅克比特征量为公式(3)：



S1.4：基于解耦合荧光蒙特卡罗模分析方法，分析光学衍射纹理特征量，进行扩散光层析成像信息融合感知和大数据信息采样；
S1.5：结合层析成像的图像重建方法，建立扩散光层析成像的视空间区域融合模型，采用大数据分析方法，进行扩散光层析成像的视觉信息采样，得到背景介质光学参数特征分布为公式(4)：



S1.6：结合空间区域滤波方法进行扩散光层析成像滤波处理，并对关键光学衍射纹理特征点进行标记和图像分割，构建扩散光层析成像边缘信息采样和信息融合模型，得到扩散光层析成像的模糊贴近度函数为公式(5)：



S1.7：选用背景介质光学参数进行空间区域模拟，构建扩散光层析成像的激发模型，得到适应度函数为公式(6)：



S1.8：基于扩散光层析成像的灰度像素级f，根据发光光子的权重信息构建扩散光层析成像的多维直方图分布模型，得到扩散光层析成像的分块模板匹配模型为公式(7)：



S1.9：在公式(2)至公式(7)中，当Eg＜k0Es，k1σg＜σg＜k2σs时，f(i,j)＝λx(i,j)+βx(i,j)，k0,k1,k2表示扩...

【专利技术属性】
技术研发人员：孔苏鹏，林浩，何明标，程实，陈善利，姚滢，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏;32