基于成像光谱仪的频域OCT的实验研究

针对传统点扫描OCT系统的成像速度对OCT在实际研究和应用中的影响,本文提出并搭建了一种高速无扫描频域OCT系统,对该系统的成像分辨率、探测深度与各种噪声进行分析,并提出一种新的消除背景噪声的方法.该系统根据频域OCT和成像光谱仪的基本原理和工作特性,采用一种新的干涉光路以线聚焦方式对样品进行高速数据采集.实验结果表明,这种系统无需任何扫描装置就可得到二维层析图像,在对载玻片8 mm宽度范围成像时,其速度比传统点扫描方式快两个数量级;利用文中提出的数据处理方法成功将背景噪声消除.     

引入双编码器模型的OCT视网膜图像分割

OCT视网膜图像中存在着噪声和散斑,单一的提取空间特征往往容易遗漏一些重要信息,导致不能准确地分割目标区域。而OCT图像本身存在光谱频域特征,针对OCT图像的频域特征,本文基于U-Net和快速傅立叶卷积提出一种新的双编码器模型以提高对OCT图像视网膜层、液体的分割性能,提出的频域编码器可以提取图像频域信息并通过快速傅里叶卷积转换为空间信息,将很好地弥补单一空间编码器遗漏特征信息的不足。经过与其他经典模型的对比和消融实验,结果表明,随着频域编码器的添加,该模型能有效提升对视网膜层和液体的分割性能,平均Dice系数和mIoU相较于U-Net均提高2%,相较于ReLayNet分别提高8%和4%,其中对液体的分割提升尤为明显,相较于U-Net 模型Dice系数提高了10%。

     

基于静态小波变换的珍珠表面缺陷自适应增强技术

针对珍珠表面带状、线状类型缺陷区域呈现低对比度的特点,提出了一种基于静态小波变换的珍珠缺陷区域适应增强的新算法.该算法以最大化缺陷响应为目标函数设计最优小波基函数;然后利用各尺度上小波系数间的相关性对噪声进行抑制;最后对小波系数进行自适应增强来凸显缺陷区域的细节信息.试验结果表明:与传统的图象增强方法相比,文中提出的方法能较好地抑制噪声、保留原始图像有用信息的基础上增加图像中珍珠表面缺陷区域的对比度.     

基于神经网络的玻璃缺陷声学检测方法

描述了一种通过声学信号检测玻璃制品缺陷的方法。在实现步骤上,首先采集了不同缺陷类型的玻璃瓶敲击声,然后经过频谱变换及小波包变换,将敲击信号映射至不同的变换域中,并在每个变换域中提取信号的特征,从而将样本的缺陷信息对应为统计特征和物理特征,并采用基于互信息量的特征选择算法对特征空间进行降维;降维后的特征子集作为后向传播神经网络的输入参数,再由该神经网络实现对玻璃缺陷的自动化检测。结果表明,在已有实验样本数据下,该缺陷检测算法能准确高效地检测出存在缺陷的样本,识别结果的F-值稳定在95%左右。     

基于字典算法的OCT图像散斑稀疏降噪

光学相干层析扫描(OCT)作为一种新型无创高分辨率扫描方式,在临床上得到广泛应用,但是OCT图像本身存在严重的散斑噪声,这大大影响了疾病的诊断。本文针对OCT图像中的乘性散斑噪声,改进了两种原始字典降噪算法。该算法首先对OCT图像进行对数变换,采用正交匹配追踪算法进行稀疏编码,以及K奇异值分解学习算法进行自适应字典的更新,最后通过加权平均以及指数变换回到空域。实验结果表明,本文改进的两种字典算法能有效降低OCT图像中的散斑噪声,获得良好的视觉效果。并通过均方误差(MSE)、峰值信噪比(PSNR)、结构相似性(SSIM)以及边缘保持指数(EPI)四个指标评价降噪效果,与两种原始字典降噪算法和传统滤波算法相比,两种改进字典算法降噪效果优于其他算法,其中自适应字典算法表现更好。     

基于ECT的航空复合材料缺陷检测研究

针对航空复合材料制件在生产和服役过程中产生的缺陷损伤,提出了一种基于电容敏感原理的同面多电极阵列传感器无损检测方法。基于电容边缘效应,设计了一套同面电极阵列的胶粘缺陷检测系统,模拟航空复合材料缺陷的真实分布。电容层析成像(ECT)系统以单电极激励方式工作,根据缺陷材料介电特性变化引起的电容测量值的变化,采用共轭梯度成像算法复现缺陷位置和形状。实验结果表明,所述方法能够准确地判断出胶粘缺陷的位置和大小,能够对2mm厚度碳纤维复合材料内侧的8mm胶粘结构缺陷进行可视化检测,ECT检测系统重建图像质量较高、边缘伪影较少,为航空复合材料缺陷检测提供了一种新的研究方向。     

一种基于模型的光学层析图像重建方法

光学层析图像重建是个病态问题,测量误差会在重建过程中被放大,对此,提出一种以广义高斯马尔可夫随机场模型为先验信息的光学层析图像重建方法.重建过程是对目标函数的优化过程,目标函数关于光学参数的梯度计算是算法中的难点,因此,提出一种基于梯度树的梯度计算方法.文中分别给出了吸收系数和散射系数的重建结果,并引入三个指标因子衡量重建图像的质量,进而列出不同重建算法下,重建图像的指标值.最后通过对重建结果和指标因子取值的比较,分析基于模型的重建算法的有效性.     

基于数字算法的印刷品缺陷特征的提取与分类方法研究

使用RLE方法,能够快速提取印刷品缺陷的多种特征。针对不同缺陷特征,使用基于径向基神经网络的方法,依据缺陷目标的特征,对缺陷进行了分类。实验结果显示,径向基神经网络通过对训练样本的训练,对测试样本能够达到良好的分类效果。     

基于多特征匹配的液晶屏字符缺陷检测

目的 为了实现电动滑板车包装前液晶屏字符检测高效、高精度的目标,以及为了解决液晶屏字符中Led段码字体难以精确分割、匹配算法复杂等问题。方法 通过Hough直线检测实现字符区域的位置校正,投影法实现分割字符区域,形态学处理、连通域分析实现各字符的提取,采用BP神经网络模型对字符进行识别,最后通过改进的几何特征检测字符缺线、漏线,灰度特征检测字符亮度不均匀。结果 液晶屏字符实验结果表明,每个字符平均识别时间为0.16s,每个屏幕平均识别时间为0.6s,液晶屏字符缺陷加权识别率为96%。结论 该算法具有较高的可靠性、效率、识别率,解决了液晶屏字符在几何、亮度缺陷下高效、高精度检测实际工程的问题,为同类产品的检测提供了算法经验。     

基于YOLOv3的医药玻璃瓶缺陷检测方法

目的为了准确而快速地自动检测医药玻璃瓶的外观缺陷。方法基于YOLOv3算法,建立深度卷积神经网络学习检测模型,通过将神经网络结构浅层和深层特征向量连接并标准化,提取玻璃瓶多尺度特征信息。采用K-means聚类方式获得锚点框初始大小,提高模型对边界框预测的准确性;利用多尺度训练策略,增强模型对不同尺寸图像的鲁棒性。结果实验结果表明,提出的医药玻璃瓶缺陷检测方法能够准确检测识别玻璃瓶上的管端残损、气线、气泡、划伤、污渍和结石等缺陷种类。与主流的目标检测方法相比,提出的方法在处理速度和准确度上都有提高,缺陷目标检测精确率达到96.23%,召回率为93.82%,平均精度为89.35%。结论该方法已经在国内几家大型医药玻璃包装生产公司成功应用,显著提高了医药玻璃包装产品的质量和合格率,降低了人工成本。     

基于波原子阈值算法的OCT图像降噪技术

为了消除或缓解光学相干断层成像方法中散斑等噪声对OCT图像像质退化的影响,提出了基于波原子阈值去噪算法。波原子变换是一种新型的二维多尺度变换,且满足曲线波的抛物比例尺度关系和各向异性征;波原子适用于模式的任意局部方向,能够对轴方向的各向异性模式稀疏展开。本文利用波原子阈值去噪算法,对人眼眼底组织和手指指尖皮肤的OCT图像进行降噪处理,并与传统的小波阈值算法和快速曲波算法对OCT样品图像去噪效果进行对比分析。结果表明,基于波原子阈值去噪方法能够有效地抑制OCT图像散斑噪声,并能保持图像边缘细节特征。     

基于边缘与非边缘分开处理的印刷品缺陷检测

针对印刷品缺陷检测问题,通过对经典缺陷识别算法的研究,提出了一种边缘点与非边缘点分开处理的印刷品检测缺陷识别算法。算法以统计过程原理为出发点,根据边缘点和非边缘点不同的像素特征,对非边缘点采用统计阈值法处理,对边缘点采用邻域平均值与梯度值相结合的算法处理。该算法经过实验证明,能够有效地剔除伪疵点,提取出真正的缺陷。     

基于CT图像的金属点阵结构内部缺陷检测方法

基于计算机断层扫描(CT)图像的灰度值分布特征,提出了一种金属三维多层点阵结构内部缺陷的检测方法。通过3个横向相邻固定尺寸像素点集合灰度值总和之间的差值分布来判别缺陷的存在,理论分析给出了相应的判别标准和依据。实验验证结果表明:与人工标记的方法进行对比,该算法对金属三维多层点阵结构样件的内部典型断层缺陷的识别率达到98.5%。     

眼底OCT图像中糖尿病性黄斑水肿的分割

糖尿病性黄斑水肿(DME)是导致成年人失明的主要原因之一,它的病理特征主要表现在视网膜内黄斑处液体的积聚。由于光学相干层析成像(OCT)具有无创性、成像安全快速等特点,在临床上被广泛用于眼科疾病的诊断。本文提出一种分割OCT图像中糖尿病性黄斑水肿的方法,首先通过对图像的预处理,排除散斑噪声和血管对最终分割结果的影响,再用改进的水平集方法有效地解决分割的问题,并计算水肿区域的面积,为后期的临床诊断治疗提供定性和定量的工具,最后将本文方法在15个患有DME成人的OCT视网膜图像上进行验证。结果表明：囊状水肿分割的精确度、灵敏度和Dice相似性系数分别为81.12%、86.90%、80.05%。     

Automated segmentation of diabetic macular edema in OCT B-scan images based on RCU-Net

Diabetic macular edema (DME) is a typical fundus disease that can cause blindness in severe cases. The morphology of the inner limiting membrane (ILM) to the retinal pigment epithelium (RPE) layer in the retina and the macular edema (ME) area are important features for the diagnosis of DME. Doctors usually use non-invasive and high-resolution optical coherence tomography (OCT) to examine the fundus of the patient. However, manual diagnosis has low efficiency and strong subjectivity. Realizing the automatic segmentation of the ILM-RPE layer and ME is extremely important for the early diagnosis of DME. In this paper, the attention mechanism based on residual convolution module U-Net (RCU-Net) is proposed for the automatic segmentation of the retinal layer and cystoid edema lesions. Through the fusion of the residual structure and CBAM for feature extraction, the useful features in the channel and space are effectively strengthened, and the network can better learn different levels of information. The proposed network is combined with the Lovász-softmax loss, which can better target the correlation between targets to obtain the optimal segmentation model during training. Finally, this paper compares the proposed method with several other segmentation methods. The experimental results show that the $\mathit{\text{MIoU}}$ of the method in this model reaches 88.595%, and the $\mathit{\text{Accuracy}}$ reaches 99.171%. The RCU-Net proposed in this paper is used to segment the ILM-RPE layer and ME region in the retina OCT B-scan images, and its overall performance is better than other networks.     

一种基于YOLOv3算法的3D打印点阵结构缺陷识别方法

针对3D打印点阵结构中缺陷目标因尺寸小、缺陷特征微弱而难以准确自动识别的问题,提出了一种基于YOLOv3算法的点阵结构缺陷智能识别新方法.该方法利用深度学习网络模型在特征提取方面的优势,采用多尺度网络进行预测,将缺陷的分类和定位问题作为回归问题处理.实验结果表明,所提算法实现了一种3D打印点阵结构内部典型缺陷的识别,缺...     

Spectral degree of polarization uniformity for polarization-sensitive OCT

Depolarization of light can be measured by polarization-sensitive optical coherence tomography (PS-OCT) and has been used to improve tissue discrimination as well as segmentation of pigmented structures. Most approaches to depolarization assessment for PS-OCT – such as the degree of polarization uniformity (DOPU) – rely on measuring the uniformity of polarization states using spatial evaluation kernels. In this article, we present a different approach which exploits the spectral dimension. We introduce the spectral DOPU for the pixelwise analysis of polarization state variations between sub-bands of the broadband light source spectrum. Alongside a comparison with conventional spatial and temporal DOPU algorithms, we demonstrate imaging in the healthy human retina, and apply the technique for contrasting hard exudates in diabetic retinopathy and investigating the pigment epithelium of the rat iris.