液晶自适应光学在人眼眼底高分辨率成像中的应用

为了获得人眼眼底高分辨率图像,将液晶自适应光学(AO)技术引入到传统检眼镜中,采用基于夏克-哈特曼波前探测器(sHwS)和硅基液晶空间光调制器(LCOS-SLM)的自适应光学系统来校正人眼的高低阶像差,获得了细胞量级的高分辨眼底图像,为眼科疾病及其相关疾病的早期诊断提供了有力工具.采用闭环和开环两种校正模式,都获得了清晰的眼底图片,认为液晶自适应光学系统在活体人眼眼底高分辨率成像上具有巨大潜力.     

自适应光学相干层析在视网膜高分辨成像中的应用

视网膜光学相干层析（OCT）技术利用外部低相干光源照射人眼眼底,并将人眼眼底散射信号进行干涉成像,获得人眼视网膜的断层图像信息,以实现人眼视网膜无创、实时、在体的光学活检。传统光学相干层析在视网膜成像时的轴向分辨率可达3 μm以上,但由于人眼个体差异和不可避免的像差限制了视网膜OCT的横向分辨率,只能达到约15~20 μm。而自适应光学作为一项波前校正的先进技术,可以校正OCT色差以及人眼有限视场和眼球运动导致的像差,将OCT横向分辨率提高到低于2 μm,以实现视网膜细胞及微细血管近衍射极限成像,及时发现患者眼底存在的早期病变。在介绍自适应光学和视网膜光学相干层析的技术特点基础上,对自适应光学在视网膜光学相干层析成像应用的国内外发展现状进行了论述,总结了自适应光学OCT视网膜高分辨成像在宽带光源色差校正、眼球运动伪影减少、自适应光学视场扩大和波前传感与校正系统简化的关键技术和未来发展趋势,以实现大视场、高效率、高灵敏度、高分辨率的高速人眼视网膜成像,为未来自适应光学OCT视网膜成像技术的研究和应用提供参考和借鉴。     

人眼像差校正线性二次高斯优化控制研究

为获得清晰的高分辨率人眼眼底视网膜图像,自适应光学系统中变形镜必须能够实时跟踪并补偿人眼中随时间变化的像差信息。对波前像差特别是动态像差的校正能力不仅取决于变形镜等硬件的性能,还与自适应光学系统中的控制算法密切相关。在不加大硬件复杂度的基础上,介绍了一种基于Kalman滤波的线性二次高斯(LQG)人眼像差校正最优控制模型。首先分析了自适应光学系统的离散性,证明在离散模式下研究自适应光学系统的可行性;然后建立了基于Kalman滤波的LQG优化控制模型,并给出基于LQG优化控制的像差校正控制算法;最后通过仿真实验验证了基于LQG优化控制的像差校正算法对动态人眼波前像差校正的可行性和有效性。     

人眼波前像差及准分子激光手术矫正的研究

波前像差严重影响了人眼正常的视觉质量,引入Hartm ann-Shack波前传感器可有效地测量人眼的各阶像差,结合自适应光学中Zern ike多项式重建波前的理论。建立人眼波前像差和角膜切削量模型的关系模型,利用准分子激光发射的激光脉冲去除定量的角膜组织,从而改善人眼视觉质量。应用表明,人眼像差测量和由像差引导的准分子激光手术矫正具有明显的临床医学价值。     

应用Hartmann-Shack原理测量人眼波前像差的系统研究

分析波动光学中人眼像差的产生机理和波前像差的表示方式,着重讨论了Hartmann-Shack波前传感器测量波前像差的原理,结合自适应光学中Zernike多项式重建波前的理论,提出了应用H-S波前传感器测量人眼波前像差的解决方案,使得由波前像差引导的人眼视觉矫正技术能达到一个新的水平。     

人眼色差对夏克-哈特曼波前探测器的影响

为获得高分辨率视网膜血管图像,在自适应成像系统中,采用双光源照明模式。由于人眼存在色差,采用双光源照明模式会导致探测到的波前与实际需校正波前不一致。采用36项Zernike多项式拟合人眼波前,利用Liou&Brenann、Navarro模型眼和真实人眼分析了人眼色差对夏克-哈特曼波前探测器的影响:对于Liou&Brenann和Navarro模型眼,561 nm和785 nm光的波前色差均方根值(RMS)分别为0.09λ和1.44λ,去除离焦项后的波前色差RMS值分别为0.0025λ和0.01λ;对于真实人眼,两光源的波前色差RMS值为1.92λ,去除离焦项后的波前色差RMS值为0.04λ。根据Maréchal判据,除离焦项外,色差对其他波前像差的影响均方根值小于衍射极限(1/14λ),故波前像差的影响可忽略。由色差造成的离焦量可通过移动成像相机进行补偿。从结果可以看出采用双光源照明的视网膜血管自适应光学成像方案是可行的。     

基于自动控制理论的自适应光学控制系统优化

为了满足自适应光学系统实时快速的工作要求,将自动控制理论引入到自适应光学系统中,在不改变系统硬件性能的基础上对系统的控制部分进行了研究。首先,对自适应光学闭环控制系统进行分析,将其模块化并建立相应的数学模型;其次,在自动控制理论基础上设计控制器和相应的控制算法,并分析了控制器的性能;最后,将自动控制理论的控制方法与人眼波前像差校正相结合,使控制算法应用到自适应光学系统波前像差的校正中。结果表明,相对于传统的自适应光学系统控制方法（纯积分控制和比例-积分控制）,Smith预补偿控制使自适应光学控制系统具有较高的闭环带宽和较好的动态、稳态控制性能;在模拟人眼波前像差迭代校正过程中,Smith预补偿控制器校正残余像差的快速性最好;在实际人眼动态像差校正中,Smith预补偿控制校正的残余像差值达到最小,有利于自适应光学控制系统优化。     

自适应光学在超分辨荧光显微镜中的应用

超分辨荧光显微镜突破了传统荧光显微镜的分辨率限制,使得人们能够在纳米量级分辨率下观察细胞和组织样品,极大地推动了生命科学的发展。在这一技术中,仪器和样品引入的像差均会导致空间分辨率降低,进而导致成像质量恶化。为此,人们引入了自适应光学技术,通过直接或间接的手段探测像差,再通过波前校正元件来校正像差,从而获得高质量的超分辨图像。本文介绍了自适应光学的起源与工作原理,总结了其在超分辨荧光显微镜中的应用,并展望了其未来的发展前景。     

主观式人眼波前像差仪中图像处理与自动跟踪的研究和实现

人眼像差的矫正是目前眼科界的研究热点之一,对于提高人眼视觉质量具有十分重要的意义,人眼像差的测量是像差矫正的基础。本文研究了主观式波前像差测量仪的测量原理,并对其中的图像采集、图像处理、图像的Ostu法阈值分割,自动跟踪等关键技术进行了研究。采用本文研究的关键技术自行研制出的主观式波前像差仪能精确地测量出人眼的低阶和高阶像差,测量结果可达7阶35项,其应用前景广阔。     

成像系统噪声对无波前探测自适应光学校正效果的影响

大气湍流和成像系统噪声的存在使得观测的扩展目标图像退化、扭曲,进而无法辨认其细节。目前,常采用自适应光学技术实时去除由于大气湍流带来的像差。以61单元变形镜作为校正器,随机并行梯度下降算法作为无波前探测自适应光学系统的控制算法,扩展目标图像灰度值的方差函数作为控制算法优化的性能指标函数,建立无波前探测自适应光学系统仿真模型,分析成像系统噪声对无波前探测自适应光学校正效果的影响。结果表明,当像差较小且图像信噪比大于20 dB时,自适应光学技术的校正效果几乎不受影响;但随着信噪比的减小,校正效果对比无噪声时明显变差。相同的信噪比条件下,像差越大,成像效果受噪声的影响越大。     

提高眼底自适应光学成像系统的普适性设计

自适应光学技术被广泛应用于人眼像差的校正，从而实现眼底细胞和微血管进行高分辨率成像。传统自适应光学系统受夏克哈特曼波前探测器的动态范围限制，只对部分人群适用，无法对高屈光不正人群进行眼底高分辨率成像。为了提高眼底自适应光学成像系统普适性，本文设计了一种基于音圈变形镜高分辨率眼底自适应光学成像系统：引入Badal调焦系统，能够对人眼屈光度在-8～8 D的眼底进行高分辨率成像；用轴锥透镜组代替传统的环形光阑，控制正、负轴锥透镜间距可以调节环形光内径，以适应不同人眼的角膜，同时避免角膜反射的杂光；通过视标引导实现大视场成像。仿真结果表明，照明子系统在眼底视网膜照度分布均匀；在设定的公差范围内，至少有90%的MTF值在25 lp/mm达到0.21（对应视网膜上4μm）。在实验室搭建了相应的光路，对大畸变的模拟人眼进行了成像，获得了较好的成像效果。     

基于图像处理的人眼离焦量的动态补偿系统

目前常用的屈光不正的矫正方式都是针对人眼像差的某一静态值进行矫正，无法对人眼像差的动态变化进行有效矫正。为了解决这一问题，开发了一种基于图像处理的人眼离焦量的动态补偿系统，其以红外相机和图像处理程序组成的瞳孔大小动态测量系统、透射式变形镜和控制程序组成的屈光力动态矫正系统为核心。在光学实验平台上搭建出系统原型，并展开实验。实验结果表明，所提系统能够在不同光强条件下实现对人眼瞳孔大小的准确测量及对应离焦像差的准确、快速、平滑的矫正，初步证实了所提系统的有效性。     

自适应光学成像事后处理LoG域匹配图像质量评价

图像质量评价是地基光电探测任务中的基础性的研究工作之一,与其他事后处理任务密切相关。重点研究了无参、客观自适应光学图像的质量表示与指标提取方法,总结了目前对图像质量评价研究的基本框架及研究现状。提出了一种基于非线性能量归一化的自适应光学图像质量感知模型,并结合自适应光学系统与人眼视觉感知的特性,提取了两个无参、客观像质评价指标,该指标可用于帧选、复原等关键任务中,实现对图像质量的自动评价或图像内容变化的自动检测,评估结果与人眼主观评价呈现出良好的一致性。     

流场测速中基于深度卷积神经网络的光学畸变校正技术

基于光学成像的流场测量技术,如粒子图像测速技术（PIV）,易受到因流体中折射率的不均匀性或晃动的介质边界引起的光学畸变而带来的影响。这些畸变会使得示踪粒子在图像上的位置分布产生误差且严重影响图像清晰度,从而增大流场速度测量的误差。为了提高光学流场速度测量的测量精度,自适应光学系统可以应用于其中去校正光学畸变。基于图像流场测量中的光学像差具有频率高,动态范围大,空间分辨率高等特点,对于这一应用场景,基于波前校正器件的自适应光学系统受到了器件本身性能的影响。基于深度学习的自适应光学技术在流场测量中的应用,建立了一种基于深度神经网络的无波前校正器件自适应光学校正技术,以深度神经网络代替传统的波前校正器件,用于粒子图像测速技术中的光学畸变校正。为了生成神经网络所需要的训练和测试数据集,搭建了可以实现波前测量的粒子图像测速实验平台,分析并建立了光学畸变在粒子图像上的图像退化模型。最后,以校正后PIV图像的校正效果和流场速度测量结果作为评价标准,对所建立神经网络的畸变校正性能进行了分析。     

高度屈光不正人眼的视网膜自适应成像系统

为了更好的利用液晶自适应成像系统进行具有较大屈光不正人眼像差校正及视网膜的成像,建立了一套基于低阶像差自补偿的眼底自适应成像系统。该系统采用基于人眼调节特性的光学系统进行屈光补偿,用夏克哈特曼波前传感器进行实时的波面探测,将探测所得波前畸变进行波前重构,通过LCOS波前校正器进行高阶像差的波面校正提高系统成像质量。经过校正后系统波前误差得到有效控制。光学系统的分辨率接近70 lp/mm,已经到达该光学系统的衍射极限分辨。可以得出:液晶自适应视网膜成像系统可以满足高度屈光不正情况下的人眼视网膜成像要求。     

基于波前像差的图像质量评价方法研究

图像质量评价的研究已成为图像信息工程的基础技术之一。由于图像的最终接受者是人,所以评价图像质量应反映出人类的主观视觉感知。为构造一种符合人眼视觉特性的图像质量评价方法,利用点扩散函数针对人眼建立了含有波前像差信息的图像视觉评价模型,并用此模型分别对添加不同噪声的图像进行图像质量评价。实验结果表明,该方法是可行的、有效的,不同的人眼对同一幅图像的评价存在有差异,人眼波前像差越小观察到的图像越清晰。该方法不仅能够在评价图像质量时准确反映人眼的主观感知,而且能够直观地呈现不同人眼实际看到的图像。     

远场光斑反演波前相位的深度学习方法

自适应光学系统中,波前传感器的准确性和鲁棒性极大地影响像差探测能力和闭环校正效果。在波前振幅分布不均匀或信标光能量不足的情况下,哈特曼波前传感器由于存在子孔径缺光现象会导致传感精度下降,而基于远场光斑反演波前相位的无波前传感自适应系统实时性难以满足实用需求。基于深度学习复原波前的方法是通过输入远场光强图像直接求取像差,可以作为自适应光学系统的有效补充。文中通过数值模拟,证明了深度残差神经网络能够通过远场光斑直接预测波前相位的Zernike系数。实验验证了输入与重构波前相位之间校正后残差RMS为0.08λ,GPU加速后的平均计算耗时小于2 ms。该方法能较准确地预测入射波前畸变的Zernike系数,具有一定像差校正能力,适合在传统自适应光学技术中,用于测量并校正波前畸变的主要成分,或为优化式自适应光学提供良好的初始波前估计。     

人眼像差校正仪成像CCD随动控制的设计与实现

建立了一套基于LCOS人眼像差校正仪的成像CCD最佳像面随动控制系统,使以往困扰该系统的寻找成像CCD最佳像面的问题得到解决。该最佳像面自动调焦系统采用步进-计算-比较的方式,通过对相邻图像的模糊程度和一致性的对比,可以在很短时间内找到接近最佳理论值的像面位置。使用该自动调焦系统,医务人员可以更有效地发挥自适应系统在眼底视网膜观测领域的优势,获取比传统眼底镜更有价值的眼底细微图像,也可以进一步实现对多个小视场眼底视网膜图像进行拼接,实现对动态大视场区域的实时观测。     

自适应光学在双光子显微成像技术中的应用

光学显微镜是生物医学研究必不可少的工具，其中双光子显微成像技术具有大深度三维显微成像功能，被认为是深层生物组织研究的首选工具。但是，在双光子成像系统使用过程中，光学系统的装配偏差、光学元件不理想以及生物样品的不均匀性都会在成像过程中引入像差，从而降低成像质量。通过在双光子显微成像系统中引入自适应光学技术，可实现对像差的有效校正，从而提高成像的分辨率、深度和视场。介绍了双光子显微成像中的像差来源和特点，概述了自适应光学技术中不同的探测和校正方法，综述了近年来自适应光学技术在双光子显微成像中不同的应用成果，最后对自适应光学在双光子显微成像中的发展进行了展望。     

视网膜图像的解卷积方法研究

基于自适应光学的激光共焦扫描检眼镜(AOSLO)能够利用自适应光学校正眼底像差,从而对活体视网膜实现高分辨率成像。但是由于波前探测误差、变形境自由度和行程等硬件上的限制,眼底像差不可能完全被校正,并且信号探测器光电倍增管(PMT)存在较大的噪声,因此可以用解卷积的方法进一步提高图像质量。本文改进了增量维纳滤波算法,将迭代步长减为原来的1/5,使迭代不会偏离初始值太远,而增量维纳滤波迭代初始值是由系统中的波前传感器得到相对准确的值。采用上述方法对AOSLO采集到的视网膜细胞层和血管层图像做解卷积,并复原了整个系统的点扩散函数(PSF)。由图像功率谱表明,增量维纳滤波算法能有效去除图像噪声,增加图像对比度。