CN109091108A - 基于视场子区分割的相位滤波器搜索算法 - Google Patents
基于视场子区分割的相位滤波器搜索算法 Download PDFInfo
- Publication number
- CN109091108A CN109091108A CN201810580761.7A CN201810580761A CN109091108A CN 109091108 A CN109091108 A CN 109091108A CN 201810580761 A CN201810580761 A CN 201810580761A CN 109091108 A CN109091108 A CN 109091108A
- Authority
- CN
- China
- Prior art keywords
- assigned
- transferred
- visual field
- image
- aberration
- 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
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 69
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 34
- 230000011218 segmentation Effects 0.000 title claims abstract description 20
- 230000004075 alteration Effects 0.000 claims abstract description 95
- 238000003384 imaging method Methods 0.000 claims abstract description 92
- 238000012937 correction Methods 0.000 claims abstract description 49
- 239000013558 reference substance Substances 0.000 claims abstract description 16
- 230000002093 peripheral effect Effects 0.000 claims abstract description 13
- 238000010146 3D printing Methods 0.000 claims abstract description 3
- 230000003287 optical effect Effects 0.000 claims description 46
- 238000001228 spectrum Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 15
- 201000009310 astigmatism Diseases 0.000 claims description 14
- 230000004304 visual acuity Effects 0.000 claims description 14
- 206010010071 Coma Diseases 0.000 claims description 13
- 210000001747 pupil Anatomy 0.000 claims description 10
- 241000276498 Pollachius virens Species 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000011514 reflex Effects 0.000 claims description 3
- 238000005305 interferometry Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012014 optical coherence tomography Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 238000012984 biological imaging Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000012771 intravital microscopy Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 208000004124 rheumatic heart disease Diseases 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Microscoopes, Condenser (AREA)
Abstract
本发明公开了一种基于视场子区分割的相位滤波器搜索算法，基于搭建多光谱干涉显微成像装置，在CCD靶面采集人眼眼底和3D打印参考物在不同波长下的多幅干涉图，分别对波数和横纵向位置做一维和二维傅里叶变换，对视场进行子区分割，针对轴上、轴外和边缘视场的不同像差，搜索对应的泽尼克项系数，以图像清晰度作为指标校正像差，最终通过逆傅里叶变换得到不同深度上的二维眼底图像。本发明具有校正速度快，可以校正具有复杂像差的大NA系统的优点。
Description
技术领域
本发明属于生物组织参数检测领域，涉及一种基于视场子区分割的相位滤波器搜索算法。
背景技术
人眼是人体健康状况的绝佳在体通道，临床研究表明，人体高血压、风湿性心脏病、心脑血管疾病、肝病、呼吸系统疾病等等，许多疾病在眼睛和眼底都能观察到症状与预警信号。在实验室研究中，国内外都采用生物荧光显微镜、体外光学相干层析技术，眼底采用自适应光学相干层析技术，得到眼底细胞与细血管的高分辨率图像，是包括眼底在内的组织高分辨成像技术的重要发展阶段。以上光学成像技术中，如果微血管在人体组织中深度越大，由深度组织带来的附加像差，随深度变大而变大，影响了分辨率的提高。
目前的体像差校正技术，一般是由干涉显微成像系统接收到的干涉场函数(设为Iaber(x,y；k))出发，经两次傅里叶变化得到设计算法，求取系统光瞳函数的相位项(设为Q(fx,fy；k))，在傅里叶频谱域内，
其中，为包含像差的图像频谱，为理想成像频谱，z为深度。如果光瞳函数的相位项频谱已知(或光瞳函数被求解得到)，则利用(3.7)式即可得到校正后的图像频谱。
这里是校正后的图像频谱，经傅里叶逆变换即可得到像差校正后的高分辨率显微图像。
因此像差校正技术关键问题在于对光瞳函数的求解，光瞳函数的相位项频谱Q(fx,fy；z)被称为相位滤波器。
中国专利CN 105942972 A公开了《一种对视网膜内核层微细血管自适应光学成像的系统》，眼波像差自适应校正光学成像技术中直径10微米以下视网膜微细血管的快速捕捉以及自适应像差校正的高清晰成像系统。其自适应校正光学成像技术利用哈特曼波前传感器和液晶波前校正器来校正眼波前像差。所用光路复杂，系统价格昂贵，且适用性差。另外，像差补偿只能对成像过程中的一个等晕面元有效，这延长了大体积成像的时间。
美国Beckman Institute for Advanced Science and Technology的StevenG.Adie等在《Computational adaptive optics for broadband opticalinterferometric tomography of biological tissue》一文中在OCT系统中引入自适应光学校正技术，基于傅里叶光学原理，提出一种利用泽尼克多项式对光瞳函数的像差进行校正。通过调整象散、离焦和球差的Zernike项系数，构建相位滤波器。但是文中仅有1个相位滤波器，对于视场较大的系统不能实现快速成像。
现有的像差校正技术中，寻找相位滤波器的算法有子孔径互相关法，导星法与图像质量法，具有以下缺点：忽视多光谱干涉显微成像系统受体组织扰动的像差成份与分布规律，采取多重迭代方法“盲”搜索，这样不适合实时造影成像对处理速度的要求，算法无针对性，过于复杂。
发明内容
本发明的目的在于提供了一种基于视场子区分割的相位滤波器搜索算法，克服了多重迭代方法“盲”搜索的弊端，根据人眼像差规律，分视场构建相位滤波器求解多光谱干涉显微光场的光瞳函数，实现眼像差的快速校正。
实现本发明目的的技术解决方案为：一种基于视场子区分割的相位滤波器搜索算法，算法步骤如下：
步骤1、搭建多光谱干涉显微成像装置：
所述多光谱干涉显微成像装置包括近红外多光谱扫频光源(1)、科勒照明系统(2)、第一分光棱镜(3)、第一生物成像显微镜(4)、参考物(5)、第二分光棱镜(6)、准直透镜(7)、注视目标(8)、第二生物成像显微镜(9)、成像透镜(10)、面阵CCD相机(11)和计算机(12)；共光轴依次设置近红外多光谱扫频光源(1)、科勒照明系统(2)、第一分光棱镜(3)、第一生物成像显微镜(4)和参考物(5)，上述部件所在光轴为第一光轴；共光轴依次设置待测样品、第二生物成像显微镜(9)、第二分光棱镜(6)、第一分光棱镜(3)、成像透镜(10)和面阵CCD相机(11)，上述部件所在光轴为第二光轴；共光轴依次设置第二分光棱镜(6)、准直透镜(7)和注视目标(8)，上述部件所在光轴为第三光轴；其中第一光轴和第三光轴相互平行，且垂直于第二光轴，第一生物成像显微镜(4)和参考物(5)位于第一分光棱镜(3)的透射光路上，参考物(5)在第一生物成像显微镜(4)的工作距上，待测样品和第二生物成像显微镜(9)位于第一分光棱镜(3)的反射光路上，待测样品在第二生物成像显微镜(9)的工作距上，且待测样品距第一分光棱镜(3)的距离与参考物(5)距第一分光棱镜(3)的距离相等；面阵CCD相机(11)和计算机(12)相连；待测样品在第二生物成像显微镜(9)工作距上注视自发光注视目标(8)，自发光的注视目标(8)经准直透镜(7)准直入射至第二分光棱镜(6)，经第二分光棱镜(6)反射至待测样品，同时近红外多光谱扫频光源(1)产生近红外光束，经科勒照明系统(2)后均匀出射，经第一分光棱镜(3)分光，分为第一反射光和第一透射光，第一反射光通过第二生物成像显微镜(9)后进入待测样品，第一透射光通过第一生物成像显微镜(4)后进入参考物(5)；第一反射光再经待测样品反射通过第二生物成像显微镜(9)到第一分光棱镜(3)，第一透射光经参考物(5)反射通过第一生物成像显微镜(4)到第一分光棱镜(3)，两束光干涉形成干涉后的近红外干涉光，经成像透镜(10)汇聚到面阵CCD相机(11)，面阵CCD相机(11)连续采集干涉图像，采集频率与扫频光源频率同步，并传输至计算机(12)；
步骤2、利用视场子区分割的相位滤波器处理算法对测样品图像进行处理，校正系统采集待测样品图像中的像差，得到像差校正后的高分辨率显微图像。
本发明与现有技术相比，其显著有点在于：
(1)校正速度快：针对眼底像差规律进行分视场搜索相位滤波器，克服其他像差校正方法中使用多重迭代方法“盲”搜索的弊端，可以迅速实现眼底像差校正，达到实时校正眼底像差的目的。
(2)校正视场大：可以用于大NA系统，一般大NA系统具有比较复杂的像差，本算法可以对多种复杂像差包括球差、彗差、象散、离焦等像差进行快速校正。
附图说明
图1为本发明基于多光谱干涉显微成像装置示意图。
图2为本发明实施例1中基于多光谱干涉显微成像装置示意图。
图3为本发明按视场环形划分CCD相机靶面接收到的圆形光场示意图。
图4为本发明在实施例2的仿真结果，其中图(a)是校正像差之前的分辨率板显微图像，图(b)是校正像差之后的结果。
图5为本发明基于视场子区分割的相位滤波器搜索算法流程图。
图6为本发明在实施例1的实验结果，其中图(a)是校正像差之前的人眼眼底显微图像，图(b)是校正像差之后的结果。
具体实施方式
下面结合附图对本发明作进一步详细描述。
实施例1
结合图5，一种基于视场子区分割的相位滤波器搜索算法，算法步骤如下：
步骤1、搭建多光谱干涉显微成像装置：
结合图1，所述多光谱干涉显微成像装置包括近红外多光谱扫频光源(1)、科勒照明系统(2)、第一分光棱镜(3)、第一生物成像显微镜(4)、模型眼(5)、第二分光棱镜(6)、准直透镜(7)、注视目标(8)、第二生物成像显微镜(9)、成像透镜(10)、面阵CCD相机(11)和计算机(12)；共光轴依次设置近红外多光谱扫频光源(1)、科勒照明系统(2)、第一分光棱镜(3)、第一生物成像显微镜(4)和模型眼(5)，上述部件所在光轴为第一光轴；共光轴依次设置人眼、第二生物成像显微镜(9)、第二分光棱镜(6)、第一分光棱镜(3)、成像透镜(10)和面阵CCD相机(11)，上述部件所在光轴为第二光轴；共光轴依次设置第二分光棱镜(6)、准直透镜(7)和注视目标(8)，上述部件所在光轴为第三光轴；其中第一光轴和第三光轴相互平行，且垂直于第二光轴，第一生物成像显微镜(4)和模型眼(5)位于第一分光棱镜(3)的透射光路上，模型眼(5)在第一生物成像显微镜(4)的工作距上，人眼和第二生物成像显微镜(9)位于第一分光棱镜(3)的反射光路上，人眼在第二生物成像显微镜(9)的工作距上，且人眼距第一分光棱镜(3)的距离与模型眼(5)距第一分光棱镜(3)的距离相等；面阵CCD相机(11)和计算机(12)相连；人眼在第二生物成像显微镜(9)工作距上注视自发光注视目标(8)，自发光的注视目标(8)经准直透镜(7)准直入射至第二分光棱镜(6)，经第二分光棱镜(6)反射至人眼，同时近红外多光谱扫频光源(1)产生近红外光束，经科勒照明系统(2)后均匀出射，经第一分光棱镜(3)分光，分为第一反射光和第一透射光，第一反射光通过第二生物成像显微镜(9)后进入人眼，第一透射光通过第一生物成像显微镜(4)后进入模型眼(5)；第一反射光再经人眼反射通过第二生物成像显微镜(9)到第一分光棱镜(3)，第一透射光经模型眼(5)反射通过第一生物成像显微镜(4)到第一分光棱镜(3)，两束光干涉形成干涉后的近红外干涉光，经成像透镜(10)汇聚到面阵CCD相机(11)，面阵CCD相机(11)连续采集干涉图像，采集频率与扫频光源频率同步，并传输至计算机(12)。
步骤2、利用视场子区分割的相位滤波器处理算法对眼底图像进行处理，校正系统采集人眼图像中的体像差，得到像差校正后的高分辨率显微图像，具体方法如下：
步骤2-1、结合图3，将面阵CCD相机(11)靶面接收到的圆形干涉图像光场I(x,y；k)按视场角进行环形划分成三个子区，其中k表示波数；其中第1子区表示轴上视场；第2子区表示轴外视场；第3子区表示边缘视场；轴上视场像差包括斜差、离焦、球差；轴外视场像差包括慧差、象散、离焦；边缘视场像差包括慧差、象散；分割后的光场函数记作IJ(x,y；k),J＝1,2,3，J表示子区序号，转入步骤2-2；
步骤2-2、对分割后的光场函数IJ(x,y；k)中的波数k做一维傅里叶变换，在傅里叶频谱域内：
其中z表示深度，对应不同深度对应的眼底图像光场，转入步骤2-3；
步骤2-3、令z1＝150μm，针对样品深度为150μm处的图像进行像差校正，转入步骤2-4；
步骤2-4、对中的横向坐标x和纵向坐标y做二维傅里叶变换，在傅里叶频谱域内：
其中QJ(fx,fy；z)表示子区广义光瞳函数的相位项，SJ(fx,fy；z)表示包含像差的图像频谱，ScorrJ(fx,fy；z)表示校正像差后的图像频谱，i为复数，转入步骤2-5；
步骤2-5、对Q1(fx,fy；z)使用正交泽尼克圆域多项式拟合，根据像差规律，针对轴上视场的Q1(fx,fy；z)构建相位滤波器：
Q1(fx,fy；z)＝A11Z2+A12Z3+A13Z4+A14Z5+A15Z6+A16Z7+A17Z8+A18Z11
其中Z2、Z3、Z7、Z8是与斜差对应的泽尼克项；Z4、Z5、Z6、Z11是与离焦对应的泽尼克项；Z11是与球差对应的泽尼克项；A11、A12、A13、A14、A15、A16、A17、A18分别是泽尼克项对应的系数，系数的初值都赋值为0，转入步骤2-6；
步骤2-6、对Q2(fx,fy；z)使用正交泽尼克环形多项式拟合，根据像差规律，针对轴外视场的Q2(fx,fy；z)构建相位滤波器：
Q2(fx,fy；z)＝A21Z4+A22Z5+A23Z6+A24Z7+A25Z8+A26Z11
其中Z4、Z5、Z6、Z11是与离焦对应的泽尼克项；Z5、Z6是与像散对应的泽尼克项；Z7、Z8是与慧差对应的泽尼克项；A21、A22、A23、A24、A25、A26分别是泽尼克项对应的系数，系数的初值都赋值为0，转入步骤2-7；
步骤2-7、对Q3(fx,fy；z)使用正交泽尼克环形多项式拟合，根据像差规律，针对边缘视场的Q3(fx,fy；z)构建相位滤波器：
Q3(fx,fy；z)＝A31Z5+A32Z6+A33Z7+A34Z8
其中Z5、Z6是与像散对应的泽尼克项；Z7、Z8是与慧差对应的泽尼克项；A31、A32、A33、A34分别是泽尼克项对应的系数，系数的初值都赋值为0，转入步骤2-8；
步骤2-8、求解校正像差后的图像频谱ScorrJ(fx,fy；z)：
ScorrJ(fx,fy；z)＝SJ(fx,fy；z)·exp[-iQJ(fx,fy；z)]
转入步骤2-9；
步骤2-9、对SJ(fx,fy；z)做二维傅里叶逆变换，可以得到校正像差后的不同深度对应的光场函数
转入步骤2-10；
步骤2-10、计算校正像差后干涉场函数图像的清晰度D：
转入步骤2-11；
步骤2-11、将泽尼克项对应的系数定义为AJn，给n赋值为1，转入步骤2-12；
步骤2-12、给J赋值为1，对于轴上视场的Q1(fx,fy；z)，将A1n赋值给A1n +和A1n -，令A1n +1＝A1n ++0.01，将A1n +1赋值给A1n，重复步骤2-8至步骤2-10，得到第一图像清晰度D1，计算D1的梯度令A1n +2＝A1n +1+0.01，将A1n +2赋值给A1n，重复步骤2-8至步骤2-10，得到第二图像清晰度D2，计算D2的梯度与此同时，令A1n -1＝A1n --0.01，将A1n -1赋值给A1n，重复步骤2-8至步骤2-10，得到第三图像清晰度D3，计算D3的梯度令A1n -2＝A1n -1-0.01，将A1n -2赋值给A1n，重复步骤2-8至步骤2-10，得到第四图像清晰度D4，计算D4的梯度转入步骤2-13；
步骤2-13、对于轴上视场的Q1(fx,fy；z)，当不满足且或者且条件时，将A1n +1赋值给A1n +，将A1n -1赋值给A1n -，返回步骤2-12；当满足且条件时，将A1n +1赋值给A1n，停止计算，转入步骤2-14；当满足且条件时，将A1n -1赋值给A1n，停止计算，转入步骤2-14；
步骤2-14、对于轴上视场的Q1(fx,fy；z)，若n＜8，令n＝n+1，返回步骤2-12；若n＝8，转入步骤2-15；
步骤2-15、给n赋值为1，转入步骤2-16；
步骤2-16、给J赋值为2，对于轴外视场的Q2(fx,fy；z)，将A2n赋值给A2n +和A2n -，令A2n +1＝A2n ++0.01，将A2n +1赋值给A2n，重复步骤2-8至步骤2-10，得到第五图像清晰度D5，计算D5的梯度令A2n +2＝A2n +1+0.01，将A2n +2赋值给A2n，重复步骤2-8至步骤2-10，得到第六图像清晰度D6，计算D6的梯度与此同时，令A2n -1＝A2n --0.01，将A2n -1赋值给A2n，重复步骤2-8至步骤2-10，得到第七图像清晰度D7，计算D7的梯度令A2n -2＝A2n -1-0.01，将A2n -2赋值给A2n，重复步骤2-8至步骤2-10，得到第八图像清晰度D8，计算D8的梯度转入步骤2-17；
步骤2-17、对于轴外视场的Q2(fx,fy；z)，当不满足且或者且条件时，将A2n +1赋值给A2n +，将A2n -1赋值给A2n -，返回步骤2-16；当满足且条件时，将A2n +1赋值给A2n，停止计算，转入步骤2-18；当满足且条件时，将A2n -1赋值给A2n，停止计算，转入步骤2-18；
步骤2-18、对于轴外视场的Q2(fx,fy；z)，若n＜5，令n＝n+1，返回步骤2-16；若n＝5，转入步骤2-19；
步骤2-19、给n赋值为1，转入步骤2-20；
步骤2-20、给J赋值为3，对于边缘视场的Q3(fx,fy；z)，将A3n赋值给A3n +和A3n -，令A3n +1＝A3n ++0.01，将A3n +1赋值给A3n，重复步骤2-8至步骤2-10，得到第九图像清晰度D9，计算D9的梯度令A3n +2＝A3n +1+0.01，将A3n +2赋值给A3n，重复步骤2-8至步骤2-10，得到第十图像清晰度D10，计算D10的梯度与此同时，令A3n -1＝A3n --0.01，将A3n -1赋值给A3n，重复步骤2-8至步骤2-10，得到第十一图像清晰度D11，计算D11的梯度令A3n -2＝A3n -1-0.01，将A3n -2赋值给A3n，重复步骤2-8至步骤2-10，得到第十二图像清晰度D12，计算D12的梯度转入步骤2-21；
步骤2-21、对于边缘视场的Q3(fx,fy；z)，当不满足且或者且条件时，将A3n +1赋值给A3n +，将A3n -1赋值给A3n -，返回步骤2-20；当满足且条件时，将A3n +1赋值给A3n，停止计算，转入步骤2-22；当满足且条件时，将A3n -1赋值给A3n，停止计算，转入步骤2-22；
步骤2-22、对于轴外视场的Q3(fx,fy；z)，若n＜4，令n＝n+1，返回步骤2-20；若n＝4，转入步骤2-23；
步骤2-23、将上述步骤计算所得的Q1(fx,fy；z)、Q2(fx,fy；z)、Q3(fx,fy；z)重新写作Q(fx,fy；z)的形式，求解校正像差后的图像频谱Scorr(fx,fy；z)：
转入步骤2-24；
步骤2-24、对Scorr(fx,fy；z)做二维傅里叶逆变换，可以得到校正像差后的光场函数
所述近红外多光谱扫频光源(1)的波长范围是800-900nm。
所述模型眼(5)采用3D打印，参数来源于我国人眼光学数字化模型，材料为有机玻璃。
所述第一生物成像显微镜(4)和第二生物成像显微镜(9)的NA均为0.55，工作距8.2mm，焦距4mm，对无穷远处共轭成像。
所述成像透镜(10)焦距为30mm。
所述面阵CCD相机(11)为高速近红外面阵CCD相机。
如图6所示，图(a)是深度150μm处未校正像差的眼底显微图像，图(b)是深度150μm处使用基于视场子区分割的相位滤波器搜索算法校正像差后的眼底显微图像。可以看到通过该算法后人眼眼底的像差得到了很好得校正，可以做到实时成像，说明本算法可以实现快速校正人眼眼底像差。
实施例2
结合图5，一种基于视场子区分割的相位滤波器搜索算法，算法步骤如下：
步骤1、搭建多光谱干涉显微成像装置：
结合图2，搭建多光谱干涉显微成像装置包括近红外多光谱扫频光源(1)、科勒照明系统(2)、第一分光棱镜(3)、第一生物成像显微镜(4)、平面反射镜(5)、第二分光棱镜(6)、准直透镜(7)、注视目标(8)、第二生物成像显微镜(9)、成像透镜(10)、面阵CCD相机(11)和计算机(12)；共光轴依次设置近红外多光谱扫频光源(1)、科勒照明系统(2)、第一分光棱镜(3)、第一生物成像显微镜(4)和平面反射镜(5)，上述部件所在光轴为第一光轴；共光轴依次设置待测分辨率板、第二生物成像显微镜(9)、第二分光棱镜(6)、第一分光棱镜(3)、成像透镜(10)和面阵CCD相机(11)，上述部件所在光轴为第二光轴；共光轴依次设置第二分光棱镜(6)、准直透镜(7)和注视目标(8)，上述部件所在光轴为第三光轴；其中第一光轴和第三光轴相互平行，且垂直于第二光轴，第一生物成像显微镜(4)和平面反射镜(5)位于第一分光棱镜(3)的透射光路上，平面反射镜(5)在第一生物成像显微镜(4)的工作距上，距第一生物成像显微镜(4)入射面8.2mm处，待测分辨率板和第二生物成像显微镜(9)位于第一分光棱镜(3)的反射光路上，待测分辨率板在第二生物成像显微镜(9)的工作距上，距第二生物成像显微镜(9)入射面8.2mm处，且待测分辨率板距第一分光棱镜(3)的距离与平面反射镜(5)距第一分光棱镜(3)的距离相等，均设置为200mm；面阵CCD相机(11)和计算机(12)相连；自发光的注视目标(8)经准直透镜(7)准直入射至第二分光棱镜(6)，经第二分光棱镜(6)反射至待测分辨率板，同时近红外多光谱扫频光源(1)产生近红外光束，经科勒照明系统(2)后均匀出射，经第一分光棱镜(3)分光，分为第一反射光和第一透射光，第一反射光通过第二生物成像显微镜(9)后进入待测分辨率板，第一透射光通过第一生物成像显微镜(4)后进入平面反射镜(5)；第一反射光再经待测分辨率板反射通过第二生物成像显微镜(9)到第一分光棱镜(3)，第一透射光经平面反射镜(5)反射通过第一生物成像显微镜(4)到第一分光棱镜(3)，两束光干涉，形成干涉后的近红外干涉光，经成像透镜(10)汇聚到面阵CCD相机(11)，面阵CCD相机(11)连续采集干涉图像，采集频率与扫频光源频率同步，集800-900nm波长下的500幅图像，并传输至计算机(12)。
步骤2、利用视场子区分割的相位滤波器处理算法对采集到的图像数据进行处理，得到像差校正后的高分辨率分辨率板显微图像，具体方法如下：
步骤2-1、结合图3，将面阵CCD相机靶面接收到的圆形干涉图像光场I(x,y；k)按视场角进行环形划分成3个子区，其中k表示波数。其中第1子区表示轴上视场，对应的视场角为0°-19.8°；第2子区表示轴外视场，对应的视场角为19.8°-46.6°；第3子区表示边缘视场，对应的视场角为46.6°-66.8°。轴上视场像差主要包含斜差、离焦、球差；轴外视场像差主要包含慧差、象散、离焦；边缘视场像差主要包含慧差、象散。分割后的光场函数记作IJ(x,y；k),J＝1,2,3，J表示子区序号，转入步骤2-2；
步骤2-2、对分割后的光场函数IJ(x,y；k)中的波数k做一维傅里叶变换，在傅里叶频谱域内：
其中z表示深度，对应不同深度对应的眼底图像光场，转入步骤2-3；
步骤2-3、令z1＝200μm，针对样品深度为200μm处的图像进行像差校正，转入步骤2-4；
步骤2-4、对中的横向坐标x和纵向坐标y做二维傅里叶变换，在傅里叶频谱域内：
其中QJ(fx,fy；z)表示子区广义光瞳函数的相位项，SJ(fx,fy；z)表示包含像差的图像频谱，ScorrJ(fx,fy；z)表示校正像差后的图像频谱，i为复数，转入步骤2-5；
步骤2-5、对Q1(fx,fy；z)使用正交泽尼克圆域多项式拟合，根据像差规律，针对轴上视场的Q1(fx,fy；z)构建相位滤波器：
Q1(fx,fy；z)＝A11Z2+A12Z3+A13Z4+A14Z5+A15Z6+A16Z7+A17Z8+A18Z11
其中Z2、Z3、Z7、Z8是与斜差对应的泽尼克项；Z4、Z5、Z6、Z11是与离焦对应的泽尼克项；Z11是与球差对应的泽尼克项；A11、A12、A13、A14、A15、A16、A17、A18分别是泽尼克项对应的系数，系数的初值都赋值为0，转入步骤2-6；
步骤2-6、对Q2(fx,fy；z)使用正交泽尼克环形多项式拟合，根据像差规律，针对轴外视场的Q2(fx,fy；z)构建相位滤波器：
Q2(fx,fy；z)＝A21Z4+A22Z5+A23Z6+A24Z7+A25Z8+A26Z11
其中Z4、Z5、Z6、Z11是与离焦对应的泽尼克项；Z5、Z6是与像散对应的泽尼克项；Z7、Z8是与慧差对应的泽尼克项；A21、A22、A23、A24、A25、A26分别是泽尼克项对应的系数，系数的初值都赋值为0，转入步骤2-7；
步骤2-7、对Q3(fx,fy；z)使用正交泽尼克环形多项式拟合，根据像差规律，针对边缘视场的Q3(fx,fy；z)构建相位滤波器：
Q3(fx,fy；z)＝A31Z5+A32Z6+A33Z7+A34Z8
其中Z5、Z6是与像散对应的泽尼克项；Z7、Z8是与慧差对应的泽尼克项；A31、A32、A33、A34分别是泽尼克项对应的系数，系数的初值都赋值为0，转入步骤2-8；
步骤2-8、求解校正像差后的图像频谱ScorrJ(fx,fy；z)：
ScorrJ(fx,fy；z)＝SJ(fx,fy；z)·exp[-iQJ(fx,fy；z)]
转入步骤2-9；
步骤2-9、对SJ(fx,fy；z)做二维傅里叶逆变换，可以得到校正像差后的不同深度对应的光场函数
转入步骤2-10；
步骤2-10、计算校正像差后干涉场函数图像的清晰度D：
转入步骤2-11；
步骤2-11、将泽尼克项对应的系数定义为AJn，给n赋值为1，转入步骤2-12；
步骤2-12、给J赋值为1，对于轴上视场的Q1(fx,fy；z)，将A1n赋值给A1n +和A1n -，令A1n +1＝A1n ++0.01，将A1n +1赋值给A1n，重复步骤2-8至步骤2-10，得到第一图像清晰度D1，计算D1的梯度令A1n +2＝A1n +1+0.01，将A1n +2赋值给A1n，重复步骤2-8至步骤2-10，得到第二图像清晰度D2，计算D2的梯度与此同时，令A1n -1＝A1n --0.01，将A1n -1赋值给A1n，重复步骤2-8至步骤2-10，得到第三图像清晰度D3，计算D3的梯度令A1n -2＝A1n -1-0.01，将A1n -2赋值给A1n，重复步骤2-8至步骤2-10，得到第四图像清晰度D4，计算D4的梯度转入步骤2-13；
步骤2-13、对于轴上视场的Q1(fx,fy；z)，当不满足且或者且条件时，将A1n +1赋值给A1n +，将A1n -1赋值给A1n -，返回步骤2-12；当满足且条件时，将A1n +1赋值给A1n，停止计算，转入步骤2-14；当满足且条件时，将A1n -1赋值给A1n，停止计算，转入步骤2-14；
步骤2-14、对于轴上视场的Q1(fx,fy；z)，若n＜8，令n＝n+1，返回步骤2-12；若n＝8，转入步骤2-15；
步骤2-15、给n赋值为1，转入步骤2-16；
步骤2-16、给J赋值为2，对于轴外视场的Q2(fx,fy；z)，将A2n赋值给A2n +和A2n -，令A2n +1＝A2n ++0.01，将A2n +1赋值给A2n，重复步骤2-8至步骤2-10，得到第五图像清晰度D5，计算D5的梯度令A2n +2＝A2n +1+0.01，将A2n +2赋值给A2n，重复步骤2-8至步骤2-10，得到第六图像清晰度D6，计算D6的梯度与此同时，令A2n -1＝A2n --0.01，将A2n -1赋值给A2n，重复步骤2-8至步骤2-10，得到第七图像清晰度D7，计算D7的梯度令A2n -2＝A2n -1-0.01，将A2n -2赋值给A2n，重复步骤2-8至步骤2-10，得到第八图像清晰度D8，计算D8的梯度转入步骤2-17；
步骤2-17、对于轴外视场的Q2(fx,fy；z)，当不满足且或者且条件时，将A2n +1赋值给A2n +，将A2n -1赋值给A2n -，返回步骤2-16；当满足且条件时，将A2n +1赋值给A2n，停止计算，转入步骤2-18；当满足且条件时，将A2n -1赋值给A2n，停止计算，转入步骤2-18；
步骤2-18、对于轴外视场的Q2(fx,fy；z)，若n＜5，令n＝n+1，返回步骤2-16；若n＝5，转入步骤2-19；
步骤2-19、给n赋值为1，转入步骤2-20；
步骤2-20、给J赋值为3，对于边缘视场的Q3(fx,fy；z)，将A3n赋值给A3n +和A3n -，令A3n +1＝A3n ++0.01，将A3n +1赋值给A3n，重复步骤2-8至步骤2-10，得到第九图像清晰度D9，计算D9的梯度令A3n +2＝A3n +1+0.01，将A3n +2赋值给A3n，重复步骤2-8至步骤2-10，得到第十图像清晰度D10，计算D10的梯度与此同时，令A3n -1＝A3n --0.01，将A3n -1赋值给A3n，重复步骤2-8至步骤2-10，得到第十一图像清晰度D11，计算D11的梯度令A3n -2＝A3n -1-0.01，将A3n -2赋值给A3n，重复步骤2-8至步骤2-10，得到第十二图像清晰度D12，计算D12的梯度转入步骤2-21；
步骤2-21、对于边缘视场的Q3(fx,fy；z)，当不满足且或者且条件时，将A3n +1赋值给A3n +，将A3n -1赋值给A3n -，返回步骤2-20；当满足且条件时，将A3n +1赋值给A3n，停止计算，转入步骤2-22；当满足且条件时，将A3n -1赋值给A3n，停止计算，转入步骤2-22；
步骤2-22、对于轴外视场的Q3(fx,fy；z)，若n＜4，令n＝n+1，返回步骤2-20；若n＝4，转入步骤2-23；
步骤2-23、将上述步骤计算所得的Q1(fx,fy；z)、Q2(fx,fy；z)、Q3(fx,fy；z)重新写作Q(fx,fy；z)的形式，求解校正像差后的图像频谱Scorr(fx,fy；z)：
转入步骤2-24；
步骤2-24、对Scorr(fx,fy；z)做二维傅里叶逆变换，可以得到校正像差后的光场函数
所述近红外多光谱扫频光源(1)的波长范围是800-900nm。
所述第一生物成像显微镜(4)和第二生物成像显微镜(9)的NA均为0.55，工作距8.2mm，焦距4mm，对无穷远处共轭成像。
所述成像透镜(10)焦距为30mm。
所述面阵CCD相机(11)为高速近红外面阵CCD相机。
如图4所示，图(a)是深度200μm处未校正像差的分辨率板图像，图(b)是深度200μm处使用基于视场子区分割的相位滤波器搜索算法校正像差后的分辨率板图像。可以看到通过该算法后分辨率板的像差得到了很好得校正。
本发明与传统的像差校正技术相比，基于多光谱干涉显微成像系统受体组织扰动的像差成份与分布规律，克服了采取多重迭代方法“盲”搜索的弊端，利用视场子区分割的方法分别对不同视场固有的不同像差进行校正，算法有针对性，适合大NA复杂像差系统中的像差校正。同时，本算法过程简单，多采用并行运算，提高了处理效率，满足实时造影成像对处理速度的要求。
Claims (7)
1.一种基于视场子区分割的相位滤波器搜索算法，其特征在于，算法步骤如下：
步骤1、搭建多光谱干涉显微成像装置：
所述多光谱干涉显微成像装置包括近红外多光谱扫频光源(1)、科勒照明系统(2)、第一分光棱镜(3)、第一生物成像显微镜(4)、参考物(5)、第二分光棱镜(6)、准直透镜(7)、注视目标(8)、第二生物成像显微镜(9)、成像透镜(10)、面阵CCD相机(11)和计算机(12)；共光轴依次设置近红外多光谱扫频光源(1)、科勒照明系统(2)、第一分光棱镜(3)、第一生物成像显微镜(4)和参考物(5)，上述部件所在光轴为第一光轴；共光轴依次设置待测样品、第二生物成像显微镜(9)、第二分光棱镜(6)、第一分光棱镜(3)、成像透镜(10)和面阵CCD相机(11)，上述部件所在光轴为第二光轴；共光轴依次设置第二分光棱镜(6)、准直透镜(7)和注视目标(8)，上述部件所在光轴为第三光轴；其中第一光轴和第三光轴相互平行，且垂直于第二光轴，第一生物成像显微镜(4)和参考物(5)位于第一分光棱镜(3)的透射光路上，参考物(5)在第一生物成像显微镜(4)的工作距上，待测样品和第二生物成像显微镜(9)位于第一分光棱镜(3)的反射光路上，待测样品在第二生物成像显微镜(9)的工作距上，且待测样品距第一分光棱镜(3)的距离与参考物(5)距第一分光棱镜(3)的距离相等；面阵CCD相机(11)和计算机(12)相连；待测样品在第二生物成像显微镜(9)工作距上注视自发光注视目标(8)，自发光的注视目标(8)经准直透镜(7)准直入射至第二分光棱镜(6)，经第二分光棱镜(6)反射至待测样品，同时近红外多光谱扫频光源(1)产生近红外光束，经科勒照明系统(2)后均匀出射，经第一分光棱镜(3)分光，分为第一反射光和第一透射光，第一反射光通过第二生物成像显微镜(9)后进入待测样品，第一透射光通过第一生物成像显微镜(4)后进入参考物(5)；第一反射光再经待测样品反射通过第二生物成像显微镜(9)到第一分光棱镜(3)，第一透射光经参考物(5)反射通过第一生物成像显微镜(4)到第一分光棱镜(3)，两束光干涉形成干涉后的近红外干涉光，经成像透镜(10)汇聚到面阵CCD相机(11)，面阵CCD相机(11)连续采集干涉图像，采集频率与扫频光源频率同步，并传输至计算机(12)；
步骤2、利用视场子区分割的相位滤波器处理算法对测样品图像进行处理，校正系统采集待测样品图像中的像差，得到像差校正后的高分辨率显微图像。
2.根据权利要求1所述的基于视场子区分割的相位滤波器搜索算法，其特征在于：在所述步骤2中，利用视场子区分割的相位滤波器处理算法对待测样品图像进行处理，校正系统采集待测样品图像中的像差，具体方法如下：
步骤2-1、将面阵CCD相机(11)靶面接收到的圆形干涉图像光场I(x,y；k)按视场角进行环形划分成三个子区，其中k表示波数；其中第1子区表示轴上视场；第2子区表示轴外视场；第3子区表示边缘视场；轴上视场像差包括斜差、离焦、球差；轴外视场像差包括慧差、象散、离焦；边缘视场像差包括慧差、象散；分割后的光场函数记作IJ(x,y；k),J＝1,2,3，J表示子区序号，转入步骤2-2；
步骤2-2、对分割后的光场函数IJ(x,y；k)中的波数k做一维傅里叶变换，在傅里叶频谱域内：
其中z表示深度，对应不同深度对应的眼底图像光场，转入步骤2-3；
步骤2-3、对中的横向坐标x和纵向坐标y做二维傅里叶变换，在傅里叶频谱域内：
其中QJ(fx,fy；z)表示子区广义光瞳函数的相位项，SJ(fx,fy；z)表示包含像差的图像频谱，ScorrJ(fx,fy；z)表示校正像差后的图像频谱，i为复数，转入步骤2-4；
步骤2-4、对Q1(fx,fy；z)使用正交泽尼克圆域多项式拟合，根据像差规律，针对轴上视场的Q1(fx,fy；z)构建相位滤波器：
Q1(fx,fy；z)＝A11Z2+A12Z3+A13Z4+A14Z5+A15Z6+A16Z7+A17Z8+A18Z11
其中Z2、Z3、Z7、Z8是与斜差对应的泽尼克项；Z4、Z5、Z6、Z11是与离焦对应的泽尼克项；Z11是与球差对应的泽尼克项；A11、A12、A13、A14、A15、A16、A17、A18分别是泽尼克项对应的系数，系数的初值都赋值为0，转入步骤2-5；
步骤2-5、对Q2(fx,fy；z)使用正交泽尼克环形多项式拟合，根据像差规律，针对轴外视场的Q2(fx,fy；z)构建相位滤波器：
Q2(fx,fy；z)＝A21Z4+A22Z5+A23Z6+A24Z7+A25Z8+A26Z11
其中Z4、Z5、Z6、Z11是与离焦对应的泽尼克项；Z5、Z6是与像散对应的泽尼克项；Z7、Z8是与慧差对应的泽尼克项；A21、A22、A23、A24、A25、A26分别是泽尼克项对应的系数，系数的初值都赋值为0，转入步骤2-6；
步骤2-6、对Q3(fx,fy；z)使用正交泽尼克环形多项式拟合，根据像差规律，针对边缘视场的Q3(fx,fy；z)构建相位滤波器：
Q3(fx,fy；z)＝A31Z5+A32Z6+A33Z7+A34Z8
其中Z5、Z6是与像散对应的泽尼克项；Z7、Z8是与慧差对应的泽尼克项；A31、A32、A33、A34分别是泽尼克项对应的系数，系数的初值都赋值为0，转入步骤2-7；
步骤2-7、求解校正像差后的图像频谱ScorrJ(fx,fy；z)：
ScorrJ(fx,fy；z)＝SJ(fx,fy；z)·exp[-iQJ(fx,fy；z)]
转入步骤2-8；
步骤2-8、对SJ(fx,fy；z)做二维傅里叶逆变换，可以得到校正像差后的不同深度对应的光场函数
转入步骤2-9；
步骤2-9、计算校正像差后干涉场函数图像的清晰度D：
转入步骤2-10；
步骤2-10、将泽尼克项对应的系数定义为AJn，给n赋值为1，转入步骤2-11；
步骤2-11、给J赋值为1，对于轴上视场的Q1(fx,fy；z)，将A1n赋值给A1n +和A1n -，令A1n +1＝A1n ++0.01，将A1n +1赋值给A1n，重复步骤2-7至步骤2-9，得到第一图像清晰度D1，计算D1的梯度令A1n +2＝A1n +1+0.01，将A1n +2赋值给A1n，重复步骤2-7至步骤2-9，得到第二图像清晰度D2，计算D2的梯度与此同时，令A1n -1＝A1n --0.01，将A1n -1赋值给A1n，重复步骤2-7至步骤2-9，得到第三图像清晰度D3，计算D3的梯度令A1n -2＝A1n -1-0.01，将A1n -2赋值给A1n，重复步骤2-7至步骤2-9，得到第四图像清晰度D4，计算D4的梯度转入步骤2-12；
步骤2-12、对于轴上视场的Q1(fx,fy；z)，当不满足且或者且条件时，将A1n +1赋值给A1n +，将A1n -1赋值给A1n -，返回步骤2-11；当满足且条件时，将A1n +1赋值给A1n，停止计算，转入步骤2-13；当满足且条件时，将A1n -1赋值给A1n，停止计算，转入步骤2-13；
步骤2-13、对于轴上视场的Q1(fx,fy；z)，若n＜8，令n＝n+1，返回步骤2-11；若n＝8，转入步骤2-14；
步骤2-14、给n赋值为1，转入步骤2-15；
步骤2-15、给J赋值为2，对于轴外视场的Q2(fx,fy；z)，将A2n赋值给A2n +和A2n -，令A2n +1＝A2n ++0.01，将A2n +1赋值给A2n，重复步骤2-7至步骤2-9，得到第五图像清晰度D5，计算D5的梯度令A2n +2＝A2n +1+0.01，将A2n +2赋值给A2n，重复步骤2-7至步骤2-9，得到第六图像清晰度D6，计算D6的梯度与此同时，令A2n -1＝A2n --0.01，将A2n -1赋值给A2n，重复步骤2-7至步骤2-9，得到第七图像清晰度D7，计算D7的梯度令A2n -2＝A2n -1-0.01，将A2n -2赋值给A2n，重复步骤2-7至步骤2-9，得到第八图像清晰度D8，计算D8的梯度转入步骤2-16；
步骤2-16、对于轴外视场的Q2(fx,fy；z)，当不满足且或者且条件时，将A2n +1赋值给A2n +，将A2n -1赋值给A2n -，返回步骤2-15；当满足且条件时，将A2n +1赋值给A2n，停止计算，转入步骤2-17；当满足且条件时，将A2n -1赋值给A2n，停止计算，转入步骤2-17；
步骤2-17、对于轴外视场的Q2(fx,fy；z)，若n＜5，令n＝n+1，返回步骤2-15；若n＝5，转入步骤2-18；
步骤2-18、给n赋值为1，转入步骤2-19；
步骤2-19、给J赋值为3，对于边缘视场的Q3(fx,fy；z)，将A3n赋值给A3n +和A3n -，令A3n +1＝A3n ++0.01，将A3n +1赋值给A3n，重复步骤2-7至步骤2-9，得到第九图像清晰度D9，计算D9的梯度令A3n +2＝A3n +1+0.01，将A3n +2赋值给A3n，重复步骤2-7至步骤2-9，得到第十图像清晰度D10，计算D10的梯度与此同时，令A3n -1＝A3n --0.01，将A3n -1赋值给A3n，重复步骤2-7至步骤2-9，得到第十一图像清晰度D11，计算D11的梯度令A3n -2＝A3n -1-0.01，将A3n -2赋值给A3n，重复步骤2-7至步骤2-9，得到第十二图像清晰度D12，计算D12的梯度转入步骤2-20；
步骤2-20、对于边缘视场的Q3(fx,fy；z)，当不满足且或者且条件时，将A3n +1赋值给A3n +，将A3n -1赋值给A3n -，返回步骤2-19；当满足且条件时，将A3n +1赋值给A3n，停止计算，转入步骤2-21；当满足且条件时，将A3n -1赋值给A3n，停止计算，转入步骤2-21；
步骤2-21、对于轴外视场的Q3(fx,fy；z)，若n＜4，令n＝n+1，返回步骤2-19；若n＝4，转入步骤2-22；
步骤2-22、将上述步骤计算所得的Q1(fx,fy；z)、Q2(fx,fy；z)、Q3(fx,fy；z)重新写作Q(fx,fy；z)的形式，求解校正像差后的图像频谱Scorr(fx,fy；z)：
转入步骤2-23；
步骤2-23、对Scorr(fx,fy；z)做二维傅里叶逆变换，可以得到校正像差后的光场函数
3.根据权利要求1所述的基于视场子区分割的相位滤波器搜索算法，其特征在于：所述近红外多光谱扫频光源(1)的波长范围是800-900nm。
4.根据权利要求1所述的基于视场子区分割的相位滤波器搜索算法，其特征在于：所述第一生物成像显微镜(4)和第二生物成像显微镜(9)的NA均为0.55，工作距8.2mm，焦距4mm，对无穷远处共轭成像。
5.根据权利要求1所述的基于视场子区分割的相位滤波器搜索算法，其特征在于：所述成像透镜(10)焦距为30mm。
6.根据权利要求1所述的基于视场子区分割的相位滤波器搜索算法，其特征在于：所述面阵CCD相机(11)为高速近红外面阵CCD相机。
7.根据权利要求1所述的基于视场子区分割的相位滤波器搜索算法，其特征在于：所述待测样品采用人眼或分辨率板；当待测样品采用人眼时，参考物(5)采用3D打印模型眼；当待测样品采用分辨率板时，参考物(5)采用平面反射镜。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810580761.7A CN109091108B (zh) | 2018-06-07 | 2018-06-07 | 基于视场子区分割的相位滤波器搜索算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810580761.7A CN109091108B (zh) | 2018-06-07 | 2018-06-07 | 基于视场子区分割的相位滤波器搜索算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109091108A true CN109091108A (zh) | 2018-12-28 |
| CN109091108B CN109091108B (zh) | 2021-09-03 |
Family
ID=64796701
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810580761.7A Active CN109091108B (zh) | 2018-06-07 | 2018-06-07 | 基于视场子区分割的相位滤波器搜索算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109091108B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111121675A (zh) * | 2019-12-11 | 2020-05-08 | 南京理工大学 | 一种用于微球表面显微干涉测量的视场扩展方法 |
| CN115944270A (zh) * | 2023-03-15 | 2023-04-11 | 中国科学院长春光学精密机械与物理研究所 | 超分辨率视网膜成像方法和系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101862180A (zh) * | 2009-04-16 | 2010-10-20 | 南京理工大学 | 近红外光谱双视场干涉成像装置 |
| CN105241374A (zh) * | 2015-10-16 | 2016-01-13 | 哈尔滨工程大学 | 双波长共路正交载频数字全息检测装置及检测方法 |
| CN105389811A (zh) * | 2015-10-30 | 2016-03-09 | 吉林大学 | 一种基于多级阈值分割的多模态医学图像处理方法 |
| CN106361266A (zh) * | 2016-10-14 | 2017-02-01 | 中国科学院光电技术研究所 | 一种基于光瞳滤波器和暗场技术的超分辨共焦检眼镜 |
| EP3127324A1 (en) * | 2014-03-31 | 2017-02-08 | Israel Aerospace Industries Ltd. | System and method for images distortion correction |
| CN106683080A (zh) * | 2016-12-15 | 2017-05-17 | 广西师范大学 | 一种视网膜眼底图像预处理方法 |
| CN106873152A (zh) * | 2017-01-11 | 2017-06-20 | 浙江大学 | 一种基于机器学习的高速像差校正方法 |
| CN107348940A (zh) * | 2017-06-28 | 2017-11-17 | 南京理工大学 | 基于Linnik型近红外同步移相干涉的视网膜血流速度检测装置 |
| CN107525654A (zh) * | 2017-08-23 | 2017-12-29 | 马晓燠 | 成像系统像差检测方法及装置 |
| CN107657620A (zh) * | 2017-10-18 | 2018-02-02 | 东北大学 | 一种带纹理的金属凝固区域识别的方法及系统 |
| CN107743582A (zh) * | 2015-04-10 | 2018-02-27 | Ll技术管理公司 | 用于全场干涉显微成像的方法和系统 |
-
2018
- 2018-06-07 CN CN201810580761.7A patent/CN109091108B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101862180A (zh) * | 2009-04-16 | 2010-10-20 | 南京理工大学 | 近红外光谱双视场干涉成像装置 |
| EP3127324A1 (en) * | 2014-03-31 | 2017-02-08 | Israel Aerospace Industries Ltd. | System and method for images distortion correction |
| CN107743582A (zh) * | 2015-04-10 | 2018-02-27 | Ll技术管理公司 | 用于全场干涉显微成像的方法和系统 |
| CN105241374A (zh) * | 2015-10-16 | 2016-01-13 | 哈尔滨工程大学 | 双波长共路正交载频数字全息检测装置及检测方法 |
| CN105389811A (zh) * | 2015-10-30 | 2016-03-09 | 吉林大学 | 一种基于多级阈值分割的多模态医学图像处理方法 |
| CN106361266A (zh) * | 2016-10-14 | 2017-02-01 | 中国科学院光电技术研究所 | 一种基于光瞳滤波器和暗场技术的超分辨共焦检眼镜 |
| CN106683080A (zh) * | 2016-12-15 | 2017-05-17 | 广西师范大学 | 一种视网膜眼底图像预处理方法 |
| CN106873152A (zh) * | 2017-01-11 | 2017-06-20 | 浙江大学 | 一种基于机器学习的高速像差校正方法 |
| CN107348940A (zh) * | 2017-06-28 | 2017-11-17 | 南京理工大学 | 基于Linnik型近红外同步移相干涉的视网膜血流速度检测装置 |
| CN107525654A (zh) * | 2017-08-23 | 2017-12-29 | 马晓燠 | 成像系统像差检测方法及装置 |
| CN107657620A (zh) * | 2017-10-18 | 2018-02-02 | 东北大学 | 一种带纹理的金属凝固区域识别的方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| WANG HUAYING，ET AL: "Imaging technique for three-dimensional microstructure by digital holography", 《HOLOGRAPHY AND DIFFRACTIVE OPTICS III》 * |
| 卢飞等: "相位校正器补偿能力的频域特性仿真分析", 《计算机仿真》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111121675A (zh) * | 2019-12-11 | 2020-05-08 | 南京理工大学 | 一种用于微球表面显微干涉测量的视场扩展方法 |
| CN111121675B (zh) * | 2019-12-11 | 2021-09-03 | 南京理工大学 | 一种用于微球表面显微干涉测量的视场扩展方法 |
| CN115944270A (zh) * | 2023-03-15 | 2023-04-11 | 中国科学院长春光学精密机械与物理研究所 | 超分辨率视网膜成像方法和系统 |
| CN115944270B (zh) * | 2023-03-15 | 2023-05-23 | 中国科学院长春光学精密机械与物理研究所 | 超分辨率视网膜成像方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109091108B (zh) | 2021-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104958061B (zh) | 双目立体视觉三维成像的眼底oct成像方法及其系统 | |
| Lombardo et al. | Adaptive optics technology for high-resolution retinal imaging | |
| US6659613B2 (en) | Methods and systems for measuring local scattering and aberration properties of optical media | |
| JP4121890B2 (ja) | 眼底観察装置及び眼底観察方法 | |
| LaRocca et al. | Optimization of confocal scanning laser ophthalmoscope design | |
| Pavlov et al. | Methods of processing biomedical image of retinal macular region of the eye | |
| WO2013007612A1 (en) | Light field camera for fundus photography | |
| CN102499630B (zh) | 基于自适应光学技术的活体人眼视网膜细胞显微镜 | |
| CN101862178A (zh) | 一种基于自适应光学的反射式共焦扫描视网膜成像系统 | |
| CN205458608U (zh) | 基于全空间调制谱分割角度复合的微血管造影系统 | |
| CN103745257B (zh) | 一种基于图像识别的锥细胞密度的计算方法 | |
| Ravichandran et al. | Depth enhancement in spectral domain optical coherence tomography using bidirectional imaging modality with a single spectrometer | |
| Yang et al. | Structured polarized light microscopy for collagen fiber structure and orientation quantification in thick ocular tissues | |
| CN106361266B (zh) | 一种基于光瞳滤波器和暗场技术的超分辨共焦检眼镜 | |
| EP3449806B1 (en) | Ophthalmologic apparatus | |
| Liu et al. | Application of adaptive optics in ophthalmology | |
| Li et al. | Correction on the distortion of Scheimpflug imaging for dynamic central corneal thickness | |
| CN109091108A (zh) | 基于视场子区分割的相位滤波器搜索算法 | |
| JP2022189969A (ja) | 眼科装置、及び眼科情報処理装置 | |
| Vacalebre et al. | Advanced optical wavefront technologies to improve patient quality of vision and meet clinical requests | |
| Rao et al. | Imaging pulsatile retinal blood flow in human eye | |
| CN207168484U (zh) | 双目眼底相机成像光学系统 | |
| JP7410481B2 (ja) | 画像処理方法、走査型イメージング方法、画像処理装置、その制御方法、走査型イメージング装置、その制御方法、プログラム、及び記録媒体 | |
| Qiu et al. | A method to correct longitudinal chromatic aberration between imaging and beacon beams of ocular adaptive optics imaging system | |
| ITFI20120240A1 (it) | Metodo e apparato per la misura di aberrazioni del sistema ottico di un essere vivente |
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 |