一种基于NSCT和对比度梯度的多景深全场光学图像融合方法技术

本发明专利技术公开了一种基于NSCT和对比度梯度的多景深全场光学图像融合方法，包括利用强度波动调制效应获得多个景深全场光学血管造影图像；输入两个不同景深全场光学血管造影图像，对两个多景深全场光学血管造影图像进行NSCT分解，每个景深全场光学血管造影图像分解为一个低通子带图和多个带通子带图；利用稀疏表示对两个低通子带图进行融合，得到一个低通子带融合图像；基于对比度梯度和空间频率对多个带通子带图进行融合，得到一个带通子带融合图像；将低通子带融合图像和带通子带融合图像进行最优线性重构，再NSCT逆变换得到最终融合图像。本发明专利技术解决由于生物样本较差的光学特性以及光学镜头景深限制造成获得的全场光学血管造影图像不能全聚焦的问题。管造影图像不能全聚焦的问题。管造影图像不能全聚焦的问题。

【技术实现步骤摘要】
一种基于NSCT和对比度梯度的多景深全场光学图像融合方法


[0001]本专利技术涉及图像处理数据融合
，特别是一种基于NSCT和对比度梯度的多景深全场光学图像融合方法。

技术介绍

[0002]利用全场和高分辨率的成像仪器，并结合全场光学成像方法可以稳定地反映生物的全局血流状况，提高生物研究的可靠度。全场光学血管造影是一种新兴的血管成像方法，有较高时空分辨率，适用于在体的实时成像，临床应用前景甚好。生物光学成像在生物科学研究和临床诊断领域都有广泛的应用。近年来，全场光学相干层析成像(FF
‑
OCT)、激光散斑对比度成像的二维可视化全场激光多普勒成像等。但是当样品成像的位置位于相机拍摄系统聚焦深度内时，样品表面信息传送到相机传感器平面上。典型的生物样品如小鼠耳朵、兔耳和斑马鱼等，厚度一般为1mm至5mm,这些生物样品的表面和厚度不均匀，容易导致在有较大放大倍率的透镜中无法获取清晰的长景深血管造影图像的问题。
[0003]计算机视觉技术在各个领域都得到了广泛应用。多景深全场光学图像融合也可以视作多聚焦图像融合，它是依据一定的融合算法将多个具有互补聚焦区域的源图像相结合，生成一幅所有物体都清晰的全聚焦融合图像。融合过程中，所有输入图像中的重要聚焦信息都要转移到融合图像中，融合过程的关键在于准确判断处于聚焦范围内的清晰区域或像素。融合方法大致可以分为两类：基于变换域的方法和基于空间域的方法。基于空间域的方法通过从源图像的聚焦区域中选择像素、块或区域，直接构建融合结果。但是融合结果依赖活跃度检测的准确性，可能会出现由于无纹理和无边缘区域产生的内在歧义导致融合图像出现块效应的问题。此外，当位于过渡区域像素处理不当时，沿聚焦区域边界还有可能出现细缝等不良效应。相比于空间域的方法，基于变换域的方法几乎没有这些缺陷。基于变换域的方法先将源图像转换到变换域，然后根据一定的融合规则合并变换系数，最后对融合系数反变换得到融合图像。近些年来，国内外研究学者认为变换域的方法对多聚焦图像融合起很大作用。在这类方法中，多尺度变换(MST)工具和融合规则的选择对基于MST的图像融合方法具有重要意义。由于MST将图像分解为不同尺度的方式与人类视觉系统(HVS)从粗略到精细处理图像的方式相似，基于变换域的方法有较高对比度和更好信噪比。最常用的多尺度分解方法是金字塔变换和小波变换，基于金字塔的融合方法包括拉普拉斯金字塔(LP)、比率低通金字塔(RP)、对比度金字塔(CP)、梯度金字塔(GP)等。基于小波变换的方法有如离散小波变换(DWT)、平稳小波变换，双树复小波变换等。

技术实现思路

[0004]针对上述缺陷，本专利技术提出了一种基于NSCT和对比度梯度的多景深全场光学图像融合方法，其目的在于解决由于生物样本较差的光学特性以及光学镜头景深限制造成获得的全场光学血管造影图像不能全聚焦的问题。
[0005]为达此目的，本专利技术采用以下技术方案：
[0006]一种基于NSCT和对比度梯度的多景深全场光学图像融合方法，包括以下步骤：
[0007]步骤S1：构建光学系统，利用强度波动调制效应获得多个景深全场光学血管造影图像；
[0008]步骤S2：输入两个景深全场光学血管造影图像，对两个不同多景深全场光学血管造影图像进行NSCT分解，其中，每个景深全场光学血管造影图像分解为一个低通子带图和多个带通子带图；
[0009]步骤S3：利用稀疏表示对两个低通子带图进行融合，得到一个低通子带融合图像；
[0010]步骤S4：基于对比度梯度和空间频率对多个带通子带图进行融合，得到一个带通子带融合图像；
[0011]步骤S5：将所述低通子带融合图像和所述带通子带融合图像进行最优线性重构，再NSCT逆变换得到最终融合图像。
[0012]优选地，步骤S3中，利用稀疏表示对两个低通子带图进行融合具体包括以下步骤：
[0013]步骤S31：利用滑动窗技术将两个低通子带图划分为与字典中单个原子具有相同尺寸的8
×
8的块，并重叠λ个像素，分别得到两个低通子带图中W个块，其中，图像块集合表示为和
[0014]步骤S32：将每个位置l，两个低通子带图中的图像块重新排列成列向量，得到和
[0015]步骤S33：使用正交匹配追踪算法OMP对和进行优化求解，得到和对应的稀疏表示系数和通过比较L1范数大小选择低通子带的稀疏表示系数，得到融合图像低通子带的稀疏表示系数：
[0016][0017]使用过完备字典D对线性表示，得到向量
[0018][0019]其中，D是学习后的字典，v代表图像q的稀疏系数；
[0020]步骤S34：对两个低通子带图中的所有图像块重复步骤S31
‑
步骤S33，得到低通子带融合图像的低通子带向量将每个向量转换为8
×
8的图像块，按顺序放于各自原始位置，得到低通子带融合成分L
f
。
[0021]优选地，步骤S4中，基于对比度梯度和空间频率对多个带通子带图进行融合具体包括以下步骤：
[0022]步骤S41：根据带通子带图的空间频率和局部对比度，计算得到决策图，计算公式如下：
[0023][0024]其中，表示A源图像在尺度u下第k个方向的决策图，和分别表示A源图像在尺度u下第k个方向的带通子带图的空间频率和B源图像在尺度u下第k个方向的带通子带图的空间频率，指的是的局部对比度；
[0025]步骤S42：对决策图进行形态学滤波，得到初始决策图，计算公式如下：
[0026][0027]其中，代表A源图像的面积，r代表比例因子，表示经过形态学滤波后的初始决策图；
[0028]步骤S43：一致性检验对初始决策图进行优化，生成最终决策图，计算公式如下：
[0029][0030]其中，代表A源图像最终经过一致性验证获得聚焦区域的最终决策图，Θ是以位置(i,j)为中心的、大小为的邻域，a和b分别代表离中心点的水平和垂直像素距离；
[0031]步骤S44：根据最终决策图，计算得到带通子带融合图像，计算公式如下：
[0032][0033]其中，表示带通子带融合图像，表示A源图像的带通子带图，表示B源图像的带通子带图，表示A源图像的最终决策图，表示B源图像的最终决策图。
[0034]优选地，步骤S5中，最终融合图像的生成计算公式如下：
[0035][0036]其中，F表示最终融合图像，表示带通子带融合图像，L
f
表示低通子带融合图像。
[0037]优选地，步骤S32中，对的优化求解具体如下：
[0038]使用OMP对的稀疏表示向量进行优化求解：
[0039][0040][0041]其中，δ是稀疏重构误差。
[0042]优选地，步骤S41中，空间频率的计算方法包括以下步骤：
[0043]步骤S411：遍历一个带通子带图中的像素矩阵的行，求行方向相邻像素间差的平方和，平方和求平本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于NSCT和对比度梯度的多景深全场光学图像融合方法，其特征在于：包括以下步骤：步骤S1：构建光学系统，利用强度波动调制效应获得多个景深全场光学血管造影图像；步骤S2：输入两个不同景深全场光学血管造影图像，对两个多景深全场光学血管造影图像进行NSCT分解，其中，每个景深全场光学血管造影图像分解为一个低通子带图和多个带通子带图；步骤S3：利用稀疏表示对两个低通子带图进行融合，得到一个低通子带融合图像；步骤S4：基于对比度梯度和空间频率对多个带通子带图进行融合，得到一个带通子带融合图像；步骤S5：将所述低通子带融合图像和所述带通子带融合图像进行最优线性重构，再NSCT逆变换得到最终融合图像。2.根据权利要求1所述的一种基于NSCT和对比度梯度的多景深全场光学图像融合方法，其特征在于：步骤S3中，利用稀疏表示对两个低通子带图进行融合具体包括以下步骤：步骤S31：利用滑动窗技术将两个低通子带图划分为与字典中单个原子具有相同尺寸的8
×
8的块，并重叠λ个像素，分别得到两个低通子带图中W个块，其中，图像块集合表示为和步骤S32：将每个位置l，两个低通子带图中的图像块重新排列成列向量，得到和步骤S33：使用正交匹配追踪算法OMP对和进行优化求解，得到和对应的稀疏表示系数和通过比较L1范数大小选择低通子带的稀疏表示系数，得到融合图像低通子带的稀疏表示系数：使用过完备字典D对线性表示，得到向量线性表示，得到向量其中，D是学习后的字典，v代表图像q的稀疏系数；步骤S34：对两个低通子带图中的所有图像块重复步骤S31
‑
步骤S33，得到低通子带融合图像的低通子带向量将每个向量转换为8
×
8的图像块，按顺序放于各自原始位置，得到低通子带融合成分L
f
。3.根据权利要求1所述的一种基于NSCT和对比度梯度的多景深全场光学图像融合方法，其特征在于：步骤S4中，基于对比度梯度和空间频率对多个带通子带图进行融合具体包括以下步骤：步骤S41：根据带通子带图的空间频率和局部对比度，计算得到决策图，计算公式如下：
其中，表示A源图像在尺度u下第k个方向的决策图，和分别表示A源图像在尺度u下第k个方向的带通子带图的空间频率和B源图像在尺度u下第k个方向的带通子...

【专利技术属性】
技术研发人员：李小松，接玉婵，谭海曙，程晓琦，王茗祎，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：