论文部分内容阅读
自适应光学激光共焦扫描检眼镜(Adaptive Optics Scanning Laser Ophthalmoscopy，AOSLO)，利用自适应光学(Adaptive Optics，AO)校正人眼像差以提高系统分辨率，使得测量视网膜微血管的血氧饱和度成为可能。但是，由于AOSLO图像噪声、抖动和成像视场的限制，严重影响了血氧饱和度的测量精度，并使其应用也受到诸多限制。本文设计了AOSLO的图像采集系统；通过盲目反卷积和去抖动后帧平均的方法，提高图像质量；实现了AOSLO图像的全自动大视场拼接；基于以上的图像处理技术，首次完成了活体视网膜直径50μm以下血管的血氧饱和度测量。具体的工作如下： (1)设计了AOSLO的图像采集系统，能够实时地采集活体人眼视网膜高分辨图像。 (2)提出利用盲目反卷积算法.增量维纳滤波复原图像，以提高图像质量。将哈特曼-夏克波前传感器测得的相对准确的点扩散函数(Point-Spread Function，PSF)作为增量维纳滤波迭代的初始值，以使算法更快的收敛。由于增量维纳滤波的复杂度较高，计算速度较慢，因此，利用统一计算设备架构(Compute Unify Device Architecture，CUDA)提高其计算速度，并首次实现了AOSLO图像的实时盲目反卷积。对同一幅512×480像素的图像做盲目反卷积，迭代六次，CUDA程序只需要大约10ms，运行速度相对于MATLAB程序提高了大约282倍。利用上述方法，对视网膜血管层图像和细胞层图像做实时反卷积，结果表明增量维纳滤波能有效的去除AOSLO图像噪声，提高图像对比度。 (3)采用一系列图像处理算法，去除了视网膜图像抖动。首先，引入了图像配准算法-SIFT，利用SIFT提取AOSLO图像的特征点。SIFT特征点提取算法中，生成图像金字塔的计算量很大，因此本文提出了一种在频域中生成图像金字塔的新方法，显著得提高了计算速度。SIFT提取特征点后，利用KLT算法跟踪特征点，即完成特征点的匹配。最后，基于匹配的特征点，利用二阶多项式变换去除抖动。二阶多项式变换是一种非线性变换，能够去除扭曲等复杂形变。实验表明，利用本文的算法去除图像抖动后再做帧平均，能够明显得降低图像噪声，提高图像质量。 (4)完成了AOSLO图像的全自动大视场拼接。首先，通过移动视标，使采集的AOSLO图像覆盖人眼视网膜一个较大的范围。对比分析了目前三种基于特征点的主流图像配准算法(SIFT，SURF和PCA-SIFT)对AOSLO图像的配准性能，发现PCA-SIFT最适合配准AOSLO图像。因此，基于PCA-SIFT和相关算法完成了AOSLO图像的大视场拼接，并利用亮度补偿和加权平均法去除拼痕。最终的大视场图像由662张AOSLO陶像拼成，宽度为10.5度(3.05mm)，长度为9.6度(2.78mm)，是目前全自动拼接的最大图像。最后，将大视场眼底相机图像和本文的拼接结果做比较，从而验证了本文的拼接结果。并利用拼接的AOSLO大视场图像，分析了细胞密度与偏心度的关系，这为研究人类视觉和疾病诊断提供了一种有效的手段。 (5)基于AOSLO，实现了人眼视网膜微血管血氧饱和度的在体测量。首先，利用680nm和796nm的光依次对视网膜同一微血管成像，并利用反卷积和去抖动后帧平均的方法提高图像质量。然后，完成了基于互信息的不同波长光的AOSLO图像配准，并利用POWELL对配准过程加速。最后，选取测量位置，计算血管ODR，完成血氧饱和度测量。通过拼接AOSLO大视场图像，与大视场眼底相机图像做对比，以识别动静脉。由于动脉血氧饱和度明显高于静脉，从而验证了本文的测量结果。通过分析血管轮廓，测量血管直径，可知本文首次完成了活体视网膜直径50μm以下血管的血氧饱和度测量。