基于随机亚采样和形态学滤波的光声显微图像校正还原方法及装置制造方法及图纸

本发明专利技术公开了一种基于随机亚采样和形态学滤波的光声显微图像校正还原方法及装置，方法包括：对观测图像I

【技术实现步骤摘要】
基于随机亚采样和形态学滤波的光声显微图像校正还原方法及装置


[0001]本专利技术属于生物医学的
，具体涉及一种基于随机亚采样和形态学滤波的光声显微图像校正还原方法及装置。

技术介绍

[0002]在光声显微内窥成像应用中，最大值投影模式可以获取连续帧之间的血管形态学信息，而机械式点扫描成像不可避免地存在因探头非均匀旋转扰动(NURD)所致的系统运动伪影。NURD在时间上是不稳定的，因为它不仅依赖于特定结构的探头，还依赖于弯曲腔体的特定路径，这两者都随着活体实验的运动和拉回位置而动态变化。此外，由于白油或者生理盐水等耦合液的存在，鞘管与探头之间存在粘滞状态，两个角位之间可能出现突然跳跃，或者由于探头尖摩擦逐渐增大或减小，都会导致NURD的出现。此外，作为开环的成像系统，生命体的生命体征如呼吸、心跳以及不自主的移动都将导致运动伪影。该运动伪影通常表现为幅度、方向无规律性的锯齿状错位。
[0003]基于导管的光声内窥显微成像系统，有三维扫描机制：纵向运动(拉回)和方位(角)旋转运动。导管需要高度灵活，才能在曲折的路径中使用，并能在手术过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于随机亚采样和形态学滤波的光声显微图像校正还原方法，其特征在于，包括下述步骤：对观测图像I
O
进行畸变估计，通过求解具有形态学特性的血管中心线与边缘的欧氏距离以粗估计最大值振幅，获取形态学滤波参数d；采集K个较稳定的光声显微信号，并分别进行等间隔采样，作为正样本集I
D
；通过多高斯分布拟合正样本I
D
的图像信息，模拟抖动，作为负样本集I
d
；构建基于随机亚采样和形态学滤波的PADC网络模型，所述PADC网络模型包括PADC编码器结构、PADC解码器结构和跳跃层；每个PADC编码器结构包括多个编码器子模块，每个编码器子模块都是一个第一深度残差网络ResNet，根据畸变估计利用第一深度残差网络ResNet对上一层亚采样后的图像进行形态学开运算，每个编码器子模块之间都有一个通过最大池化层实现随机亚采样；每个PADC解码器结构包括多个解码器子模块，每个解码器子模块都是一个第二深度残差网络ResNet，根据畸变估计利用第二深度残差网络ResNet对当前层的图像进行形态学开运算，解码器子模块之间都有一个反卷积层实现上采样；所述跳跃层将编码器结构中具有相同分辨率的编码器子模块的输出与上采样结果进行连接，作为解码器结构中下一个解码器子模块的输入；对构建的PADC网络模型进行训练，得到训练好的PADC网络模型；将待处理的光声显微图像利用训练好的PADC网络模型进行校正还原。2.根据权利要求1所述基于随机亚采样和形态学滤波的光声显微图像校正还原方法，其特征在于，负样本集I
d
的计算公式如下：I
d
＝P(I
D
)
ꢀꢀꢀ
(2)其中P为概率密度函数，x为输入图像，μ表示灰度值的平均值或期望值，δ表示灰度值的标准差。3.根据权利要求1所述基于随机亚采样和形态学滤波的光声显微图像校正还原方法，其特征在于，对构建的PADC网络模型进行训练，得到训练好的PADC网络模型，具体为：构建PADC输入层，通过设计图像域正则化，借助正则化项的约束以防止样本过拟合，训练的过程中在第一层图像中添加了高斯随机噪声；在每一个编码器子模块中，根据畸变估计利用第一深度残差网络ResNet对上一层亚采样后的图像进行形态学开运算；在每一个编码器子模块中，最大池化层利用高斯金字塔对每一层图像进行随机亚采样；在每一个解码器子模块中，根据畸变估计第二深度残差网络ResNet对当前层的图像进行形态学开运算；利用解码器子模块之间设计的反卷积层实现上采样，分辨率通过上采样操作依次上升，在PADC解码器结构中使用拉普拉斯金字塔对每一层图像进行上采样直到与输入图像的分辨率一致；利用跳跃层编码器结构中具有相同分辨率的编码器子模块的输出与上采样结果进行连接；
构建目标函数，通过求解带约束优化问题，不断缩小训练模型中的重建图片与正样本的差距；即：I
d
″
＝argmin{||I
D
‑
I
d
″
||2}+λTV(I
d
″
)
ꢀꢀꢀꢀꢀ
(8)st.||I
D
‑
I
d
″
||2≤ε
ꢀꢀꢀꢀꢀ
(9)其中I
d
″
为解码器中每一层输入图像，ε代表重构误差所允许的最大值，TV为TVloss正则式，用于对图像的梯度求平方和，不但能去除图像中的加性噪声，而且能有效地保留图像地边缘信息，i、j代表图像I
d
的像素点坐标，λ为加权参数；构建迭代器，判断是否满足迭代次数，若不满足则重复PADC编码器结构与PADC解码器结构的训练过程，满足则训练完毕，输出训练好的PADC网络模型。4.根据权利要求3所述基于随机亚采样和形态学滤波的光声显微图像校正还原方法，其特征在于，所述形态学开运算具体为：其中代表每层经过形态学滤波的图...

【专利技术属性】
技术研发人员：熊科迪，李春澍，马远征，文学，杨思华，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：