当前课程知识点:分数域信号与信息处理及其应用 > 第9章 分数域光学信号处理 > 9.2 分数域光学相干层析成像色散补偿技术 > 9.2 分数域光学相干层析成像色散补偿技术
同学们好
今天给大家介绍的是
分数傅里叶变换
在OCT色散补偿方面的应用
由三部分内容展开
首先给大家简单介绍OCT
及OCT色散的概念
让大家有一个比较直观的理解
然后介绍OCT色散补偿的国内外研究现状
最后介绍如何利用分数域信号处理
实现OCT色散补偿
首先 什么是OCT呢
OCT是上世纪90年代初诞生的
高分辨率的生物医学成像手段
它利用光的相干特性
对生物组织的断面进行成像
可以获得物体的内部结构影像
右边的两个图就是在临床上获取的
二维及三维OCT影像图
从图中 我们可以清晰地观察到
手指下皮组织的结构
以及心血管内壁的结构
此外 OCT系统还具有损伤小
成像速度快 设备体积小的优点
那么什么是色散呢
色散是由光源光谱成分中
不同波长的不同群速度所引起的
光脉冲展宽的现象
右图是受到色散影响的
葡萄表皮OCT图像和补偿后的图像
我们可以明显看出
色散会显著降低OCT的分辨率
为什么会产生这种影响呢
这就要从OCT的原理说起
要弄清OCT的原理
只需记住两点
第一 光在到达不同深度的组织表面时
会经历不同的时延
第二 OCT利用相干光的干涉原理
探测这些时延
并由此确定组织所在的深度
下面我们具体讲一下
这两点在OCT中是如何实现的
首先来自光源的光会被半透半反镜分为两束
分别进入参考臂和样品臂
样品臂中的光经过待测样品
最终与参考臂的光汇合于光探测器
并发生干涉
再经傅里叶变换得到样品实际影像信息
那么光探测器接收到的信号是什么形式的呢
利用电磁场相关知识
我们可以对OCT干涉信号建模
得到下面这个表达式
其中前两项为常数
不包含待测组织有用信息
而第三项则包含样品光和参考光的光程差信息
也就是组织的深度信息
我们对含有深度信息的一项
单独展开之后可以看到
信号的相位由三部分组成
其中我们关注的深度信息是△L
当无色散项时
对上式作傅里叶变换
即可得到组织的深度信息
然而 色散项会导致光谱展宽
影响成像质量
上面讲的是单反射面的情况
对于具有多层组织的样品来说
OCT的干涉信号
是由来自不同深度的信号叠加而成
且不同深度处
光谱的展宽各不相同
无色散项时
对上式作傅里叶变换
即可得到多层组织深度信息
因此 OCT的色散补偿
本质上就是消除OCT采集信号中的
所有二阶色散项的干扰
有了上述对OCT及色散的基本认识后
我们来看看当前国内外的研究现状如何
OCT的色散补偿从OCT开创之初
就是一个重要研究领域
涉及到的色散补偿方法也有很多
这里我们列举了一些典型方法加以比较
硬件方法主要有
相位延迟控制法和双光纤拉伸法两种
但是这两种方法的缺点是
设备参数调整不灵活
并且无法补偿来自不同组织深度的色散
数值方法包括穷举搜索法和线性拟合法
穷举搜索的缺点是
探测精度和计算复杂度难以折中
而线性拟合则需要依靠样品结构的先验知识
下面我们介绍一下
分数傅里叶变换在OCT色散补偿方面
是如何展现独特优势的
我们利用分数域信号处理
提出了一种全新的OCT色散补偿方法
能够高效完成
对OCT信号各个深度的色散补偿
显著提升成像分辨率
并极大减小计算量
这里我们借助了
分数傅里叶变换的两个主要特点
第一
分数傅里叶变换的基函数是chirp函数
为非平稳信号的分析提供了天然的优势
第二 信号在分数域的谱与阶次相关
信号检测和参数估计可以在多分数域实现
我们提出的研究方案包括构造解析信号
色散检测及信号重建三个部分
首先 我们利用希尔伯特变换
将OCT采集到的实信号重构为解析信号
便于后续对信号的参数估计
然后 我们用粗搜和精搜结合的方式
来对色散对应的分数阶阶次进行搜索
这里我们首先设定
分数傅里叶变换阶次的搜索范围和步长
通过对解析相干信号做FRFT
在每个阶次对应的分数域内
搜索信号分数功率谱的峰值
并在搜到的多个分数功率谱峰值中
选取最大值A_co
此最大值对应的分数阶阶次为α尖co
然后利用拟牛顿法
在粗搜阶次
α尖co对应的分数域附近搜索
得到使得分数功率谱最大的分数域
我们将搜索到的分数功率谱的峰值记为An
接着我们比较步骤3中搜索到的
功率谱峰值An
并设置阈值γ的大小
若峰值An超过阈值γ
则说明检测到一个色散分量
否则说明未检测到色散分量
然后 我们利用分数域滤波
将搜索到的色散分量从原信号分离
便于检测下一个色散分量
这里H(u,α尖n)
是中心频率为u尖n的分数域带通滤波器
带宽ωn=2π除以(Tns乘上csc(α尖n))
其中Tns为扫频OCT干涉信号中
来自第n层反射面信号的采样间隔
下一步 通过循环检测
将所有色散系数逐个检测出来
重复上面的步骤
直到检测不出高于阈值γ的峰值
此时样品所有色散分量的参数全部检测完毕
然后 我们利用所有检测到的色散参数
构建相位修正项
并用它对OCT信号进行重构
这里需要说明的是
前面所有的步骤
都是针对OCT的单个A-scan信号
进行色散补偿操作
我们按照相同方法
对所有A-scan信号
都进行如上色散补偿后
才可以得到完整的B-scan重构信号
最后我们对重构后的信号再做FFT
即可得到色散补偿后的OCT影像
为了进一步展示
分数域参数检测算法的色散补偿效果
我们利用扫频OCT系统
对一种具有分层结构的色散介质样品
硒化锌
进行成像和色散补偿实验
待测样品由两块厚度各1毫米的硒化锌板
叠放而成
左侧的四张图
是经过不同色散补偿方法
处理后的OCT图像
从图d中可以看出
我们的方法具有最佳的补偿效果
色散补偿后信号的轴向分辨率最高
我们也在右图中比较了不同方法
对于轴向分辨率的提升效果
其中紫色信号为我们方法的结果
轴向分辨率最高
即使对于具有更加复杂内部结构的
生物组织样品
我们所提的色散补偿算法
也能够对OCT影像的全深度色散
有良好的补偿效果
这里我们展示的四组图像
是洋葱表皮细胞的扫频OCT影像
经过不同色散补偿方法处理后的结果
右下角的一组图为我们方法的结果
可以看出 相比于其他方法
所提方法的图像分辨率和信噪比提升最明显
在扫频OCT的临床诊断应用中
不同深度处出现的色散
会影响OCT影像中
病变部位的亮度和轮廓
很容易导致对组织类型及形态的误判
尤其对于需要高分辨率成像的OCT系统来说
全深度的色散补偿意义更加重要
左图展示的是两个不同部位的
人体冠状动脉血管的内窥OCT影像
(a1)和(b1)
是未经色散补偿的内窥OCT成像结果
(a2)和(b2)是由
所提色散补偿方法处理后的内窥OCT影像
可以看出 经过全深度色散补偿后
两个部位的斑块清晰度得到明显改善
右图为不同色散补偿方法处理的结果比较
可以看到
所提方法相比其他方法
对病理结构的分辨能力最强
以上就是分数域信号处理
在OCT色散补偿上的相关应用
今天的课就讲到这里
谢谢大家
-1.1 分数傅里叶变换背景与理论
-1.2 分数傅里叶变换应用
-第1章 讨论题
--第1章 讨论题1
--第1章 讨论题2
-第1章 习题
--第1章 习题
-2.1 分数傅里变换的定义
-2.2 分数傅里叶变换的性质
-2.3 一维/二维分数傅里叶变换
-第2章 讨论题
--第2章 讨论题1
--第2章 讨论题2
-第2章 习题
--第2章 习题
-3.1 分数卷积I
-3.2 分数卷积II
-3.3 功率谱
--3.3 功率谱
-3.4 分数功率谱
-第3章 讨论题
--第3章 讨论题1
--第3章 讨论题2
-第3章 习题
--第3章 习题
-4.1 傅里叶域均匀采样定理
-4.2 分数域均匀采样定理I-采样信号的分数域谱分析
-4.3 分数域均匀采样定理II-信号重建
-4.4 傅里叶域带通采样定理
-4.5 分数域带通采样定理
-4.6 周期非均匀采样定理
-第4章 讨论题
--第4章 讨论题1
--第4章 讨论题2
--第4章 讨论题3
-第4章 习题
--第4章 习题
-5.1 多分量chirp信号检测与参数估计方法
-5.2 多分量chirp信号检测与参数估计背景及仿真
-5.3 基于分数傅里叶变换的时延估计
-5.4 立方相位信号参数估计理论与应用
-第5章 讨论题
--第5章 讨论题1
--第5章 讨论题2
-第5章 习题
--第5章 习题
-6.1 分数傅里叶变换离散算法
-6.2 离散分数变换
-6.3 广义Hilbert变换
-6.4 稀疏傅里叶变换的定义
-6.5 稀疏分数傅里叶变换
-第6章 讨论题
--第6章 讨论题1
--第6章 讨论题2
--第6章 讨论题3
-第6章 习题
--第6章 习题
-7.1 短时分数傅里叶变换
-7.2 分数小波变换I
-7.3 分数小波变换II
-7.4 基于分数阶相位匹配原理时频分布构造
-第7章 讨论题
--第7章 讨论题1
--第7章 讨论题2
--第7章 讨论题3
-第7章 习题
--第7章 习题
-8.1 分数傅里叶变换与模糊函数
-8.2 分数傅里叶变换与MIMO雷达模糊函数
-8.3 分数傅里叶变换与雷达通信一体化
-8.4 分数域海杂波抑制
-8.5 分数域雷达动目标检测
-8.6 分数域长时间相参积累及其应用
-8.7 分数域辐射源定位技术
-8.8 分数阶相位匹配时频分布的应用
-第8章 讨论题
--第8章 讨论题1
--第8章 讨论题2
--第8章 讨论题3
--第8章 讨论题4
-第8章 习题
--第8章 习题
-9.1 分数傅里叶光学
-9.2 分数域光学相干层析成像色散补偿技术
-9.3 基于分数傅里叶变换的牛顿环参数估计
-9.4 基于分数傅里叶变换的光纤端面检测仪
-第9章 讨论题
--第9章 讨论题1
--第9章 讨论题2
--第9章 讨论题3
--第9章 讨论题4
-第9章 习题
--第9章 习题
-10.1 分数域高光谱信号处理
-10.2 分数域高光谱异常检测
-10.3 分数域高光谱协同分类
-第10章 讨论题
-第10章 习题
--第10章 习题