CN106908007A - 一种光学相干层析变形场降噪方法 - Google Patents

一种光学相干层析变形场降噪方法 Download PDF

Info

Publication number
CN106908007A
CN106908007A CN201710129325.3A CN201710129325A CN106908007A CN 106908007 A CN106908007 A CN 106908007A CN 201710129325 A CN201710129325 A CN 201710129325A CN 106908007 A CN106908007 A CN 106908007A
Authority
CN
China
Prior art keywords
parameter
phase difference
amplitude
original
deformation field
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710129325.3A
Other languages
English (en)
Other versions
CN106908007B (zh
Inventor
洪泽钦
黄家豪
陈灿强
赵甘凝
陈林雄
董博
何昭水
谢胜利
周延周
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201710129325.3A priority Critical patent/CN106908007B/zh
Publication of CN106908007A publication Critical patent/CN106908007A/zh
Application granted granted Critical
Publication of CN106908007B publication Critical patent/CN106908007B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • G01B11/161—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge by interferometric means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/02083—Interferometers characterised by particular signal processing and presentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/0209—Low-coherence interferometers
    • G01B9/02091—Tomographic interferometers, e.g. based on optical coherence

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种光学相干层析变形场降噪方法，在相位对照谱域光学相干层析技术的基础上结合了模糊逻辑的方法，通过对测量结果提取特征参数，并进行模糊推理和判断，对样件的截面轮廓以及样件内部的变形场进行降噪，使截面轮廓更加清晰，变形场分布更加细致。计算干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)；根据干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4；对特征参数C1、C2、C3和C4进行模糊化处理得到模糊化特征参数Cn1、Cn2、Cn3和Cn4；对模糊化特征参数进行判断，输出O1和O2；计算降噪后的输出幅值Ae(y,z)和输出相位差Δφe(y,z)；根据输出幅值Ae(y,z)和输出相位差Δφe(y,z)解调出降噪后的变形场。

Description

一种光学相干层析变形场降噪方法
技术领域
本发明涉及光学技术领域，尤其涉及一种光学相干层析变形场降噪方法。
背景技术
光学相干层析(OCT)是一种利用低相干光干涉原理的层析测量技术，它具有测量速度快和无损检测等优点，可以实现材料内部微米级轮廓的精确测量。在结合了光谱仪结构后发展出的谱域光学相干层析技术(SOCT)，进一步提高了该方法的测量速度与信噪比。近年来，以SOCT技术为基础又发展出了一系列新的功能型OCT方法，例如测量材料内部双折射特性的偏振敏感SOCT，测量材料内部流速场的多普勒SOCT，以及测量材料内部变形场的相位对照SOCT等，并被广泛应用于生物医学和先进材料等多项领域的研究与检测当中。其中，相位对照SOCT是一种利用干涉光谱相位敏感特性的SOCT方法，可以实现材料内部变形场的纳米级层析测量，被先后应用于眼角膜，高聚物等材料在不同载荷下的微变形场动态检测当中。
然而，相位对照SOCT方法是基于对干涉信号进行测量的技术，不可避免地会受到散斑噪声的影响。同时，材料内部散射信号很弱，且随着深度的增加不断减弱。这些都导致了测量结果的信噪比低，往往需要人为的参与，才能辨识出噪声污染下被测样件的截面轮廓，以及内部变形场细节上的变化趋势。
亟待解决上述问题，从而实现对测量结果的降噪，使截面轮廓更加清晰，变形场分布更加细致。
发明内容
本发明提供一种光学相干层析变形场降噪方法，在相位对照谱域光学相干层析技术的基础上结合了模糊逻辑的方法，通过对测量结果提取特征参数，并进行模糊逻辑推理和判断，对样件的截面轮廓以及样件内部的变形场进行降噪，使截面轮廓更加清晰，变形场分布更加细致。
一种光学相干层析变形场降噪方法包括：
计算干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)；
根据干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4，其中C1为附近区域的幅值之和、C2为单一方向的幅值之和、C3为相邻区域内相位差的连续程度、C4为相邻区域内相位差拟合的误差；
对特征参数C1、C2、C3和C4进行模糊化处理得到模糊化特征参数Cn1、Cn2、Cn3和Cn4；
对模糊化特征参数进行判断，输出O1和O2，其中O1为该点是样件内部一点的可能性，O2为该点是噪声点的可能性；
计算降噪后的输出幅值Ae(y,z)和输出相位差Δφe(y,z)；
根据输出幅值Ae(y,z)和输出相位差Δφe(y,z)解调出降噪后的变形场。
优选的，
步骤计算干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)包括：
将成像在CCD相机上的干涉光谱用光强表示为
其中，k表示波数，I0表示直流分量，IR表示参考面，Ii表示被测样件的反射光强，M表示被测样件的表面个数，φi表示干涉光强的相位，φi＝φi0+2kz，φi0表示初始相位；
将光强信号沿波数k轴进行傅里叶变换得到原始幅值Am(y,z)和原始相位差Δφm(y,z)；
通过公式计算被测样件变形前后的位移，其中深度方向的坐标z＝π·fk。
优选的，
步骤根据干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
选取以(y,z)为中心的一个区域为特征参数C1的取值范围；
通过公式计算C1。
优选的，
步骤根据干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
以(y,z)为中心分别沿y方向、z方向和yz轴之间45度夹角方向为特征参数C2取值；
通过公式
计算C2。
优选的，
步骤根据干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
选取以(y,z)为中心的一个区域为特征参数C3的取值范围；
对区域内的相位差进行三阶曲面拟合得到Δφf(y,z)；
通过公式C3(y,z)＝|Δφm(y,z)-Δφf(y,z)|计算C3。
优选的，
步骤根据干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
选取以(y,z)为中心的一个区域为特征参数C4的取值范围；
对区域内的相位进行三阶曲面拟合；
通过公式计算C4。
优选的，
步骤对特征参数C1、C2、C3和C4进行模糊化处理得到模糊化特征参数Cn1、Cn2、Cn3和Cn4包括：
通过公式分别计算得到模糊化特征参数Cn1、Cn2、Cn3和Cn4，其中，Cmax表示相应特征参数的最大值，Cmin表示相应特征参数的最小值；
选取3个模糊状态，分别标记为B、M和S；
绘制模糊集隶属度函数。
优选的，
步骤对模糊化特征参数进行判断，并输出O1和O2包括：
参照模糊集隶属度函数进行判断；
若满足条件1，则输出O1是B；
否则，输出O1是S；
条件1为参数C1是B、参数C2是B、参数C4是S、参数C1与C4均是M和参数C2与C4均是M中的任意一种。
优选的，
步骤对模糊化特征参数进行判断，并输出O1和O2还包括：
若满足条件2，则输出O2是B；
否则，输出O2是S；
条件2为参数C1是S、参数C2是S、参数C3是B、参数C4是B和参数C4是S且参数C3是M中的任意一种。
优选的，
步骤所述计算降噪后的输出幅值Ae(y,z)和输出相位差Δφe(y,z)包括：
通过公式
计算降噪后的幅值Ae(y,z)和相位差Δφe(y,z)。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明的光学相干层析变形场降噪方法，首先，计算出干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)。其次，根据原始幅值Am(y,z)和原始相位差Δφm(y,z)计算提取特征参数C1、C2、C3和C4，其中，C1为附近区域的幅值之和，即选取一个区域对其内部的幅值求和；C2为单一方向的幅值之和，即选取几个方向分别求和，取其中的最大值后再减去中心点自身的幅值；C3为相邻区域内相位差的连续程度，即以(y,z)为中心取一个区域，对区域内的相位差进行三阶曲面拟合，再取拟合后中心点的相位差与原始相位差之间差的绝对值；C4为相邻区域内相位差拟合的误差，即以(y,z)为中心选取一个区域，先对区域内的相位进行三阶曲面拟合，再用拟合后的相位差分别与原始相位差作差并求和。再次，对求得的特征参数C1、C2、C3和C4进行模糊化处理得到模糊化特征参数Cn1、Cn2、Cn3和Cn4，并对模糊化特征参数进行判断，输出O1和O2，其中O1为该点是样件内部一点的可能性，O2为该点是噪声点的可能性。最后计算降噪后的幅值Ae(y,z)和相位差Δφe(y,z)，根据输出幅值Ae(y,z)和输出相位差Δφe(y,z)解调出降噪后的变形场，实现对样件的截面轮廓以及样件内部的变形场进行降噪，使截面轮廓更加清晰，变形场分布更加细致。
附图说明
图1为本发明中一种光学相干层析变形场降噪方法实施例的流程图；
图2为本发明中一种光学相干层析变形场降噪方法实施例中模糊集隶属度函数图；
图3为本发明中一种光学相干层析变形场降噪方法实施例中含有散斑噪声截面轮廓y-z平面的幅值分布图；
图4为图3中y＝1mm处幅值随深度变化的曲线图；
图5为本发明中一种光学相干层析变形场降噪方法实施例中经过本方法降噪后截面轮廓y-z平面的幅值分布图；
图6为图5中y＝1mm处幅值随深度变化的曲线图；
图7为降噪处理之前样件内部的相位差分布图；
图8为使用本方法处理后样件内部的相位差分布图。
具体实施方式
本发明提供一种光学相干层析变形场降噪方法，在相位对照谱域光学相干层析技术的基础上结合了模糊逻辑的方法，通过对测量结果提取特征参数，并进行模糊逻辑推理和判断，对样件的截面轮廓以及样件内部的变形场进行降噪，使截面轮廓更加清晰，变形场分布更加细致。
本发明的一种光学相干层析变形场降噪方法实施例包括：
101、计算干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)；
102、根据干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4，其中C1为附近区域的幅值之和、C2为单一方向的幅值之和、C3为相邻区域内相位差的连续程度、C4为相邻区域内相位差拟合的误差；
103、对特征参数C1、C2、C3和C4进行模糊化处理得到模糊化特征参数Cn1、Cn2、Cn3和Cn4；
104、对模糊化特征参数进行判断，输出O1和O2，其中O1为该点是样件内部一点的可能性，O2为该点是噪声点的可能性；
105、计算降噪后的输出幅值Ae(y,z)和输出相位差Δφe(y,z)；
106、根据输出幅值Ae(y,z)和输出相位差Δφe(y,z)解调出降噪后的变形场。
本实施例中，首先，计算出干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)。其次，根据原始幅值Am(y,z)和原始相位差Δφm(y,z)计算提取特征参数C1、C2、C3和C4，其中，C1为附近区域的幅值之和，即选取一个区域对其内部的幅值求和；C2为单一方向的幅值之和，即选取几个方向分别求和，取其中的最大值后再减去中心点自身的幅值；C3为相邻区域内相位差的连续程度，即以(y,z)为中心取一个区域，对区域内的相位差进行三阶曲面拟合，再取拟合后中心点的相位差与原始相位差之间差的绝对值；C4为相邻区域内相位差拟合的误差，即以(y,z)为中心选取一个区域，先对区域内的相位进行三阶曲面拟合，再用拟合后的相位差分别与原始相位差作差并求和。再次，对求得的特征参数C1、C2、C3和C4进行模糊化处理得到模糊化特征参数Cn1、Cn2、Cn3和Cn4，并对模糊化特征参数进行判断，输出O1和O2，其中O1为该点是样件内部一点的可能性，O2为该点是噪声点的可能性。最后计算降噪后的幅值Ae(y,z)和相位差Δφe(y,z)，根据输出幅值Ae(y,z)和输出相位差Δφe(y,z)解调出降噪后的变形场，参照如公式实现对样件的截面轮廓以及样件内部的变形场进行降噪，使截面轮廓更加清晰，变形场分布更加细致。
下面对本发明的一种光学相干层析变形场降噪方法实施例做进一步说明，步骤101、计算干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)包括：
将成像在CCD相机上的干涉光谱用光强表示为
其中，k表示波数，I0表示直流分量，IR表示参考面，Ii表示被测样件的反射光强，M表示被测样件的表面个数，φi表示干涉光强的相位，φi＝φi0+2kz，φi0表示初始相位；
将光强信号沿波数k轴进行傅里叶变换得到原始幅值Am(y,z)和原始相位差Δφm(y,z)；
通过公式计算被测样件变形前后的位移，其中深度方向的坐标z＝π·fk。
本实施例中，在不考虑材料自身相互干涉产生干涉信号的前提下，将干涉光谱用光强表示为再将光强信号沿波数k轴进行傅里叶变换得到原始幅值Am(y,z)和原始相位差Δφm(y,z)，其中，傅里叶变换后得到的幅值A(y,z)能够描述y-z平面上被测样件内部的截面轮廓结构，而被测样件变形前后的位移可以用相位差Δφ表示，从而为后续计算提取特征参数做准备。变形场与相位差之间是线性关系，通过公式计算，因此后面对相位差的去噪即是对变形场的去噪。
下面对本发明的一种光学相干层析变形场降噪方法实施例做进一步说明，步骤根据干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
选取以(y,z)为中心的一个区域为特征参数C1的取值范围；
通过公式计算C1。
本实施例中，选取适当的特征区域，如以(y,z)为中心取5×5的一个区域，取n＝2，则有即对其内部的幅值求和，计算得出特征参数C1的取值。
下面对本发明的一种光学相干层析变形场降噪方法实施例做进一步说明，步骤根据干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
以(y,z)为中心分别沿y方向、z方向和yz轴之间45度夹角方向为特征参数C2取值；
通过公式
计算C2。
本实施例中，以(y,z)为中心沿y方向，z方向，yz轴之间45度夹角的方向分别求和，取其中的最大值后再减去中心点自身的幅值，从而计算出特征参数C2。
下面对本发明的一种光学相干层析变形场降噪方法实施例做进一步说明，步骤根据干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
选取以(y,z)为中心的一个区域为特征参数C3的取值范围；
对区域内的相位差进行三阶曲面拟合得到Δφf(y,z)；
通过公式C3(y,z)＝|Δφm(y,z)-Δφf(y,z)|计算C3。
本实施例中，以(y,z)为中心取7×7的一个区域为例，对区域内的相位差进行三阶曲面拟合，再取拟合后中心点的相位差与原始相位差之间的差值，再求绝对值，从而求得特征参数C3。
下面对本发明的一种光学相干层析变形场降噪方法实施例做进一步说明，步骤根据干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
选取以(y,z)为中心的一个区域为特征参数C4的取值范围；
对区域内的相位进行三阶曲面拟合；
通过公式计算C4。
本实施例中，如以(y,z)为中心取7×7的一个区域，上式中取a＝3，则有即首先对区域内的相位进行三阶曲面拟合，再用拟合后的相位差分别与原始相位差作差并求和，从而计算特征参数C4。
下面对本发明的一种光学相干层析变形场降噪方法实施例做进一步说明，步骤对特征参数C1、C2、C3和C4进行模糊化处理得到模糊化特征参数Cn1、Cn2、Cn3和Cn4包括：
通过公式分别计算得到模糊化特征参数Cn1、Cn2、Cn3和Cn4，其中，Cmax表示相应特征参数的最大值，Cmin表示相应特征参数的最小值；
选取3个模糊状态，分别标记为B、M和S；
绘制模糊集隶属度函数。
本实施例中，参考图2，横坐标为特征参数，纵坐标为隶属度。隶属度函数是模糊控制的应用基础，是否正确地构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的，但每个人对于同一个模糊概念的认识理解又有差异，因此，隶属度函数的确定又带有主观性。用3个模糊状态B、M和S，绘制模糊集隶属度函数，B表示大、M表示中和S表示小。本发明以如下函数为例：
绘制隶属度函数。
下面对本发明的一种光学相干层析变形场降噪方法实施例做进一步说明，步骤对模糊化特征参数进行判断，并输出O1和O2包括：
参照模糊集隶属度函数进行判断；
若满足条件1，则输出O1是B；
否则，输出O1是S；
条件1为参数C1是B、参数C2是B、参数C4是S、参数C1与C4均是M和参数C2与C4均是M中的任意一种。
本实施例中，参照模糊集隶属度函数进行判断，关于输出O1的规则包括：如果参数C1是B，则输出O1是B；如果参数C2是B，则输出O1是B；如果参数C4是S，则输出O1是B；如果参数C1是M，且参数C4是M，则输出O1是B；如果参数C2是M，且参数C4是M，则输出O1是B；若不满足上述任一规则，则输出O1是S。
下面对本发明的一种光学相干层析变形场降噪方法实施例做进一步说明，步骤对模糊化特征参数进行判断，并输出O1和O2包括：
若满足条件2，则输出O2是B；
否则，输出O2是S；
条件2为参数C1是S、参数C2是S、参数C3是B、参数C4是和参数C4是S且参数C3是M中的任意一种。
本实施例中，参照模糊集隶属度函数进行判断，关于输出O2的规则包括：如果参数C1是S，则输出O2是B；如果参数C2是S，则输出O2是B；如果参数C3是B，则输出O2是B；如果参数C4是B，则输出O2是B；如果参数C4是S，且参数C3是M，则输出O2是B；若不满足上述任一规则，则输出O2是S。
下面对本发明的一种光学相干层析变形场降噪方法实施例做进一步说明，步骤所述计算降噪后的输出幅值Ae(y,z)和输出相位差Δφe(y,z)包括：
通过公式
计算降噪后的幅值Ae(y,z)和相位差Δφe(y,z)。
本实施例中，根据前述对O1和O2的范围的判断，计算降噪后的输出幅值Ae(y,z)和输出相位差Δφe(y,z)，从而对样件的截面轮廓以及样件内部的变形场进行降噪，使截面轮廓更加清晰，变形场分布更加细致。降噪前后的截面轮廓幅值可参阅图3-图6，相位差分布情况可参阅图7-图8，改图显示的是测量材料内部的一个截面，为三维空间中的y-z平面。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的装置可以通过其它的方式实现。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种光学相干层析变形场降噪方法，其特征在于，包括：
计算干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)；
根据所述干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4，其中C1为附近区域的幅值之和、C2为单一方向的幅值之和、C3为相邻区域内相位差的连续程度、C4为相邻区域内相位差拟合的误差；
对所述特征参数C1、C2、C3和C4进行模糊化处理得到模糊化特征参数Cn1、Cn2、Cn3和Cn4；
对所述模糊化特征参数进行判断，输出O1和O2，其中O1为该点是样件内部一点的可能性，O2为该点是噪声点的可能性；
计算降噪后的输出幅值Ae(y,z)和输出相位差Δφe(y,z)；
根据所述输出幅值Ae(y,z)和输出相位差Δφe(y,z)解调出降噪后的变形场。
2.根据权利要求1所述的光学相干层析变形场降噪方法，其特征在于，
步骤所述计算干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)包括：
将成像在CCD相机上的干涉光谱用光强表示为
I ( y , k ) = I 0 + 2 Σ i = 1 M I R ( y , k ) · I i ( y , k ) cosφ i ( y , k ) ,
其中，k表示波数，I0表示直流分量，IR表示参考面，Ii表示被测样件的反射光强，M表示被测样件的表面个数，φi表示干涉光强的相位，φi＝φi0+2kz，φi0表示初始相位；
将光强信号沿波数k轴进行傅里叶变换得到幅值Am(y,z)和相位差Δφm(y,z)；
通过公式计算被测样件变形前后的位移，其中深度方向的坐标z＝π·fk。
3.根据权利要求1所述的光学相干层析变形场降噪方法，其特征在于，
步骤所述根据所述干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
选取以(y,z)为中心的一个区域为特征参数C1的取值范围；
通过公式计算C1。
4.根据权利要求3所述的光学相干层析变形场降噪方法，其特征在于，
步骤所述根据所述干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
以(y,z)为中心分别沿y方向、z方向和yz轴之间45度夹角方向为特征参数C2取值；
通过公式
计算C2。
5.根据权利要求4所述的光学相干层析变形场降噪方法，其特征在于，
步骤所述根据所述干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
选取以(y,z)为中心的一个区域为特征参数C3的取值范围；
对区域内的相位差进行三阶曲面拟合得到Δφf(y,z)；
通过公式C3(y,z)＝|Δφm(y,z)-Δφf(y,z)|计算C3。
6.根据权利要求5所述的光学相干层析变形场降噪方法，其特征在于，
步骤所述根据所述干涉光谱的原始幅值Am(y,z)和原始相位差Δφm(y,z)计算特征参数C1、C2、C3和C4包括：
选取以(y,z)为中心的一个区域为特征参数C4的取值范围；
对区域内的相位进行三阶曲面拟合；
通过公式计算C4。
7.根据权利要求6所述的光学相干层析变形场降噪方法，其特征在于，
步骤所述对所述特征参数C1、C2、C3和C4进行模糊化处理得到模糊化特征参数Cn1、Cn2、Cn3和Cn4包括：
通过公式分别计算得到模糊化特征参数Cn1、Cn2、Cn3和Cn4，其中，Cmax表示相应特征参数的最大值，Cmin表示相应特征参数的最小值；
选取3个模糊状态，分别标记为B、M和S；
绘制模糊集隶属度函数。
8.根据权利要求7所述的光学相干层析变形场降噪方法，其特征在于，
步骤所述对所述模糊化特征参数进行判断，并输出O1和O2包括：
参照所述模糊集隶属度函数进行判断；
若满足条件1，则输出O1是B；
否则，输出O1是S；
所述条件1为参数C1是B、参数C2是B、参数C4是S、参数C1与C4均是M和参数C2与C4均是M中的任意一种。
9.根据权利要求8所述的光学相干层析变形场降噪方法，其特征在于，
步骤所述对所述模糊化特征参数进行判断，并输出O1和O2还包括：
若满足条件2，则输出O2是B；
否则，输出O2是S；
所述条件2为参数C1是S、参数C2是S、参数C3是B、参数C4是和参数C4是S且参数C3是M中的任意一种。
10.根据权利要求9所述的光学相干层析变形场降噪方法，其特征在于，
步骤所述计算降噪后的输出幅值Ae(y,z)和输出相位差Δφe(y,z)包括：
通过公式
A e ( y , z ) = 0 , O 1 i s S ; max { A m ( y , z ) , 1 25 C 1 , 1 5 C 2 } , O 1 i s B ;
Δφ e ( y , z ) = Δφ m ( y , z ) , O 2 i s S ; Δφ f ( y , z ) , O 2 i s B ;
计算降噪后的幅值Ae(y,z)和相位差Δφe(y,z)。
CN201710129325.3A 2017-03-06 2017-03-06 一种光学相干层析变形场降噪方法 Active CN106908007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710129325.3A CN106908007B (zh) 2017-03-06 2017-03-06 一种光学相干层析变形场降噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710129325.3A CN106908007B (zh) 2017-03-06 2017-03-06 一种光学相干层析变形场降噪方法

Publications (2)

Publication Number Publication Date
CN106908007A true CN106908007A (zh) 2017-06-30
CN106908007B CN106908007B (zh) 2019-09-27

Family

ID=59187719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710129325.3A Active CN106908007B (zh) 2017-03-06 2017-03-06 一种光学相干层析变形场降噪方法

Country Status (1)

Country Link
CN (1) CN106908007B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109557035A (zh) * 2018-12-11 2019-04-02 华侨大学 一种正弦相位差分解调的多普勒优化成像方法
CN109596571A (zh) * 2018-08-31 2019-04-09 华侨大学 一种相位差分分析多普勒成像方法
CN111981997A (zh) * 2020-07-21 2020-11-24 广东工业大学 一种基于大变形的ps-oct应变估计方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102800064A (zh) * 2012-07-12 2012-11-28 南京航空航天大学 基于自适应双边滤波的oct图像散斑噪声减小算法
US20130010302A1 (en) * 2011-06-06 2013-01-10 Carl Zeiss Meditec, Inc. Systems and methods for improved balanced detection in optical coherence tomography imaging
CN103344569A (zh) * 2013-06-21 2013-10-09 中国科学院上海光学精密机械研究所 偏振复频域光学相干层析成像方法和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130010302A1 (en) * 2011-06-06 2013-01-10 Carl Zeiss Meditec, Inc. Systems and methods for improved balanced detection in optical coherence tomography imaging
CN102800064A (zh) * 2012-07-12 2012-11-28 南京航空航天大学 基于自适应双边滤波的oct图像散斑噪声减小算法
CN103344569A (zh) * 2013-06-21 2013-10-09 中国科学院上海光学精密机械研究所 偏振复频域光学相干层析成像方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YUN ZHANG 等: "Measurement of depth-resolved thermal deformation distribution using phase-contrast spectral optical coherence tomography", 《OPTICS EXPRESS》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109596571A (zh) * 2018-08-31 2019-04-09 华侨大学 一种相位差分分析多普勒成像方法
CN109596571B (zh) * 2018-08-31 2021-06-01 华侨大学 一种相位差分分析多普勒成像方法
CN109557035A (zh) * 2018-12-11 2019-04-02 华侨大学 一种正弦相位差分解调的多普勒优化成像方法
CN109557035B (zh) * 2018-12-11 2021-02-02 华侨大学 一种正弦相位差分解调的多普勒优化成像方法
CN111981997A (zh) * 2020-07-21 2020-11-24 广东工业大学 一种基于大变形的ps-oct应变估计方法
CN111981997B (zh) * 2020-07-21 2022-01-28 广东工业大学 一种基于大变形的ps-oct应变估计方法

Also Published As

Publication number Publication date
CN106908007B (zh) 2019-09-27

Similar Documents

Publication Publication Date Title
Che et al. Domain adaptive deep belief network for rolling bearing fault diagnosis
Jeyaraj et al. Computer vision for automatic detection and classification of fabric defect employing deep learning algorithm
CN106908007A (zh) 一种光学相干层析变形场降噪方法
Wang et al. Applications of fault diagnosis in rotating machinery by using time series analysis with neural network
US9361518B2 (en) Methods, systems and computer program products for diagnosing conditions using unique codes generated from a multidimensional image of a sample
US20200196870A1 (en) A near-infrared spectroscopy tomography reconstruction method based on neural network
Islam et al. Identity authentication system using a support vector machine (SVM) on radar respiration measurements
Giansanti et al. Assessment of fall-risk by means of a neural network based on parameters assessed by a wearable device during posturography
Ko et al. Multi-task learning of classification and denoising (MLCD) for noise-robust rotor system diagnosis
CN109029974A (zh) 一种基于一维卷积神经网络的行星齿轮箱故障检测方法
Kartakoullis et al. Scatterer size-based analysis of optical coherence tomography images using spectral estimation techniques
Wang et al. Acquisition and extraction of surface and internal fingerprints from optical coherence tomography through 3D fully convolutional network
Potapov Textures, fractals, scaling effects, and fractional operators as a basis of new methods for data processing and fractal radio system design
Zhang et al. Denoising method based on CNN-LSTM and CEEMD for LDV signals from accelerometer shock testing
An et al. Bearing fault diagnosis under variable working conditions base on contrastive domain adaptation method
Li et al. An inverse scattering approach for geometric body generation: a machine learning perspective
Yu et al. Myocardial amyloidosis detection with terahertz spectroscopy
Tahir et al. Extracting accurate time domain features from vibration signals for reliable classification of bearing faults
Raupov et al. Multimodal texture analysis of OCT images as a diagnostic application for skin tumors
Yu et al. Methods and applications of fingertip subcutaneous biometrics based on optical coherence tomography
Xiaoming et al. Edge detection of retinal OCT image based on complex shearlet transform
CN112556601B (zh) 基于深度学习的单幅闭合条纹干涉图解相方法及装置
CN108986112B (zh) 基于剪切波变换和机器学习的不连续条纹滤波方法
Zhang et al. Image Reconstruction of Planar Electrical Capacitance Tomography Based on DBSCAN and Self-Adaptive ADMM Algorithm
Aramyan Recovering a function from spherical means in 3D using local data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant