CN111292361B - 光纤束图像处理方法、系统、计算机设备和存储介质 - Google Patents
光纤束图像处理方法、系统、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111292361B CN111292361B CN202010098735.8A CN202010098735A CN111292361B CN 111292361 B CN111292361 B CN 111292361B CN 202010098735 A CN202010098735 A CN 202010098735A CN 111292361 B CN111292361 B CN 111292361B
- Authority
- CN
- China
- Prior art keywords
- fiber bundle
- image
- optical fiber
- representing
- bundle
- 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.)
- Active
Links
- 239000000835 fiber Substances 0.000 title claims abstract description 109
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 239000013307 optical fiber Substances 0.000 claims abstract description 92
- 239000011159 matrix material Substances 0.000 claims abstract description 52
- 238000002834 transmittance Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000003384 imaging method Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims abstract description 16
- 238000010276 construction Methods 0.000 claims abstract description 8
- 238000013178 mathematical model Methods 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 59
- 238000012545 processing Methods 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 abstract description 3
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005253 cladding Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Microscoopes, Condenser (AREA)
Abstract
本发明公开了一种光纤束图像处理方法、系统、计算机设备和存储介质，方法包括：构建参考图像；基于参考图像确定光纤束串扰矩阵和透过率矩阵函数；构建目标函数；基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像；对多幅重建的光纤束样本图像进行配准处理。系统包括：第一构建模块、数学模型建立模块、第二构建模块、重建模块和配准模块。计算机设备和存储介质通过执行计算机程序能够实现上述方法过程。本发明利用单幅图像就可以实现去除光纤束图像的蜂窝状结构，以及去除噪声和光纤间串扰对光纤束成像的影响，从而实现提高光纤束成像的分辨率的效果。本发明适用性广，适合所有利用光纤束成像的应用场景。
Description
技术领域
本发明涉及图像处理领域，具体涉及光纤束图像处理领域，特别涉及一种光纤束图像处理方法、系统、计算机设备和存储介质。
背景技术
光纤束在内窥镜成像中发挥了重要作用，为活体内一系列疾病的诊断提供了细胞水平可视化的途径。通常，光纤束包含大量的光纤纤芯(通常高达30000个)，这些纤芯可以同时传输和获取光学信号。然而，纤芯间距(即包层)会导致所获取图像上出现明显蜂窝状图案，从而降低图像的质量。此外，光纤间的串扰问题以及噪声会进一步影响光纤束成像分辨率。
目前常用的方法是利用高斯滤波或线性插值的方法来去除光纤束图像的蜂窝状结构，但由于图像噪声的影响以及采样不足等原因，上述方法不能提高图像的空间分辨率。另一种方法是利用多个光纤束图像来恢复纤芯间距的图像信息，多个光纤束图像序列通常是通过利用样品与光纤束之间的亚像素位移来获得的，如果能够精确确定不同图像间的移动距离，则会因为过采样而获得图像分辨率的增强。然而，考虑到所需扫描系统的小型化和组织的变形，这种方法可能对临床应用过于困难。
因此，如何实现在去除光纤束图像蜂窝状结构的同时提高光纤束成像的分辨率是急需解决的问题。
发明内容
本发明的目的在于提供一种能够在去除光纤束图像蜂窝状结构的同时提高光纤束成像分辨率的方法、系统、计算机设备和存储介质。
实现本发明目的的技术解决方案为：一种光纤束图像处理方法，所述方法包括：
构建参考图像；
基于所述参考图像确定光纤束串扰矩阵和透过率矩阵函数；
构建目标函数；
基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像。
进一步地，所述构建参考图像，具体包括：通过光纤束对均匀发光样品进行采样获得参考图像。
进一步地，所述构建参考图像，具体包括：通过光纤束对均匀发光荧光样品进行采样获得参考图像。
进一步地，所述基于所述参考图像确定光纤束串扰矩阵，具体包括：
基于参考图像，测定光纤束中不同光纤的空间位置以及不同光纤间的空间距离，获得光纤束串扰矩阵C为：
Ci,j＝exp(-β×di,j α)
式中，Ci,j表示第i个光纤与第j个光纤之间的串扰，di,j表示第i个光纤与第j个光纤之间的空间距离，β和α表示光纤间串扰的强度，β、α均为大于0的常数。
进一步地，确定所述透过率矩阵函数，具体包括：
基于光纤束串扰矩阵C，利用图像复原算法对参考图像进行处理，获得光纤束透过率矩阵函数M为：
式中，inv(C)表示光纤束串扰矩阵C的逆，
和/>
分别表示傅里叶变换和傅里叶反变换，yM表示参考图像，h表示光纤束成像系统的点扩散函数，δ表示图像复原因子。
进一步地，所述目标函数为：
式中，y表示通过光纤束获取的样本图像，x表示理想的光纤束样本图像，
表示重建后的光纤束样本图像，/>
表示卷积操作，/>
表示图像差值项，||x||p表示图像先验项，λ表示图像先验项的权重，p表示图像先验项的具体范数，p＝1表示l1范数，p＝2表示l2范数，p＝TV表示TV正则化。
进一步地，所述方法还包括：
对多幅重建的光纤束样本图像进行配准处理。
一种光纤束图像处理系统，所述系统包括：
第一构建模块，用于构建参考图像；
数学模型建立模块，用于基于所述参考图像确定光纤束串扰矩阵和透过率矩阵函数；
第二构建模块，用于构建目标函数；
重建模块，用于基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像。
进一步地，所述系统还包括：
配准模块，用于对多幅重建的光纤束样本图像进行配准处理。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
构建参考图像；
基于所述参考图像确定光纤束串扰矩阵和透过率矩阵函数；
构建目标函数；
基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
构建参考图像；
基于所述参考图像确定光纤束串扰矩阵和透过率矩阵函数；
构建目标函数；
基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像。
本发明与现有技术相比，其显著优点为：1)利用单幅图像就可以实现去除光纤束图像的蜂窝状结构，以及去除噪声和光纤间串扰对光纤束成像的影响，从而实现提高光纤束成像的分辨率的效果，复杂度低，简单易实现；2)本发明适用性广，适合所有利用光纤束成像的应用场景。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为一个实施例中光纤束图像处理方法的流程图。
图2为一个实施例中光纤透过率函数计算结果及其局部放大图，其中图2中的(a)为光纤透过率函数二维计算结果图像，图2中的(b)为图2中的(a)中心矩形框部分对应的放大图。
图3为一个实施例中重建图像结果及其局部放大图，其中图3中的(a1)为重建前的光纤束图，图3中的(a2)为图3中的(a1)中矩形框对应的放大图，图3中的(b1)为重建后的图像结果，图3中的(b2)为图3中的(b1)中矩形框对应的放大图。
图4为一个实施例中光纤束图像处理系统的结构图。
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，结合图1，提供了一种光纤束图像处理方法，该方法包括：
步骤S01，构建参考图像；
这里，参考图像是由光纤束获取，光纤束包含多个光纤，由于光纤间信息的损失，光纤的分布结构会出现在所获取的参考图像上，呈现出蜂窝状的周期性结构。同时，由于不同光纤的大小、形状、透光率存在一定的差异性，不同光纤间的串扰问题以及成像噪声的影响，严重影响图像的可读性和分辨率。
步骤S02，基于参考图像确定光纤束串扰矩阵和透过率矩阵函数；
步骤S03，构建目标函数；
步骤S04，基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像。
上述光纤束图像处理方法，是通过构建参考图像，之后基于参考图像确定光纤束串扰矩阵和透过率矩阵函数，然后基于两个数学模型构建目标函数，最后基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像。如此，可以实现在去除光纤束图像蜂窝状结构的同时提高光纤束成像的分辨率。
进一步地，在其中一个实施例中，上述构建参考图像，具体包括：通过光纤束对均匀发光样品进行采样获得参考图像。
这里，均匀发光样品可以为均匀发光荧光样品。
进一步地，在其中一个实施例中，上述基于参考图像确定光纤束串扰矩阵，具体包括：
基于参考图像，测定光纤束中不同光纤的空间位置以及不同光纤间的空间距离，获得光纤束串扰矩阵C为：
Ci,j＝exp(-β×di,j α)
式中，Ci,j表示第i个光纤与第j个光纤之间的串扰，di,j表示第i个光纤与第j个光纤之间的空间距离，β和α表示光纤间串扰的强度，β、α均为大于0的常数。
这里，光纤束串扰矩阵C与光纤束间距有关。
这里，α越大、β越小，不同光纤间的串扰越强。
进一步地，在其中一个实施例中，上述确定透过率矩阵函数，具体包括：
基于光纤束串扰矩阵C，利用图像复原算法对参考图像进行处理，获得光纤束透过率矩阵函数M为：
式中，inv(C)表示光纤束串扰矩阵C的逆，
和/>
分别表示傅里叶变换和傅里叶反变换，yM表示参考图像，h表示光纤束成像系统的点扩散函数，δ表示图像复原因子。
这里，透过率函数M与光纤的大小、形状和透光率等参数有关。
作为一种具体示例，令上述α＝2，β＝0.5，δ＝0.02，获得的二维透过率函数如图2所示，其中图2中的(a)为透过率函数的计算图像，图2中的(b)为图2中的(a)中心矩形框部分对应的局部放大图，由图可以看出，由于不同光纤的大小、形状、透光率存在一定的差异性，光纤透过率函数呈现一定的差异性。
进一步地，在其中一个实施例中，上述目标函数为：
式中，y表示通过光纤束获取的样本图像，x表示理想的光纤束样本图像，
表示重建后的光纤束样本图像，/>
表示卷积操作，/>
表示图像差值项，||x||p表示图像先验项，λ表示图像先验项的权重，p表示图像先验项的具体范数，p＝1表示l1范数，p＝2表示l2范数，p＝TV表示TV正则化。
这里，光纤束所获取的图像可以表述为：
其中，y表示通过光纤束获取的样本图像，x表示理想的光纤束样本图像，M为光纤束的透过率矩阵函数，C为光纤束的串扰矩阵，h为成像系统的点扩散函数，w为图像噪声，
代表卷积操作。
这里，由于光纤束中光纤的相对位置是固定的，利用同一光纤束采集到的不同图像中光纤对应的像素位置是不变的，同时同一光纤的串扰矩阵和透过率函数是不变的，因此，根据上述获得的M和关于光纤束获取的样本图像y的等式，将光纤束样本图像作为已知先验条件构建出上述目标函数。
这里，作为一种具体示例，令上述p＝TV，λ为光纤束样本图像最大值的0.1％，基于上述目标函数对如图3中的(a1)所示的待处理光纤束样本图像进行重建，结果如图3中的(b1)所示。
进一步地，在其中一个实施例中，本发明方法还包括：
步骤S05，对多幅重建的光纤束样本图像进行配准处理，实现光纤束超分辨成像。
采用本实施例的方案，本发明的方法可以适用于样本的多个光纤束图像。
这里，多个光纤束图像是通过利用样品与光纤束之间的亚像素位移获得的。对多个光纤束图像进行上述处理过程获得多个重建图像。图像配准用于计算不同图像间的相对位置，通过多个图像的信息融合即可实现光纤束超分辨成像。
需要说明的是，步骤S04与步骤S05，也可以不限于上述先后顺序执行，也可以同时执行。
进一步地，在其中一个实施例中，上述配准处理可以采用图像相关法，通过计算所有可能位移所对应的相关系数的最大值，来确定配准的两个图像的位移。
进一步地，在其中一个实施例中，对上述相关系数进行非线性拟合，将两个配准图像的位移精确到亚像素精度。
在一个实施例中，结合图4，提供了一种光纤束图像处理系统，该系统包括：
第一构建模块101，用于构建参考图像；
数学模型建立模块102，用于基于参考图像确定光纤束串扰矩阵和透过率矩阵函数；
第二构建模块103，用于构建目标函数；
重建模块104，用于基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像。
进一步地，在其中一个实施例中，系统还包括：
配准模块105，用于对多幅重建的光纤束样本图像进行配准处理，实现光纤束超分辨成像。
关于光纤束图像处理系统的具体限定可以参见上文中对于光纤束图像处理方法的限定，在此不再赘述。上述光纤束图像处理系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储多系统数据融合数据过程中需要用到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种多系统数据融合方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
构建参考图像；
基于参考图像确定光纤束串扰矩阵和透过率矩阵函数；
构建目标函数；
基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像。
关于每一步的具体限定可以参见上文中对于光纤束图像处理方法的限定，在此不再赘述。
进一步地，在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
对多幅重建的光纤束样本图像进行配准处理。
该步骤的具体限定可以参见上文中对于光纤束图像处理方法的限定，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
构建参考图像；
基于参考图像确定光纤束串扰矩阵和透过率矩阵函数；
构建目标函数；
基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像。
关于每一步的具体限定可以参见上文中对于光纤束图像处理方法的限定，在此不再赘述。
进一步地，在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对多幅重建的光纤束样本图像进行配准处理。
该步骤的具体限定可以参见上文中对于光纤束图像处理方法的限定，在此不再赘述。
综上，本发明利用单幅图像就可以实现去除光纤束图像的蜂窝状结构，以及去除噪声和光纤间串扰对光纤束成像的影响，从而实现提高光纤束成像的分辨率的效果。本发明适用性广，适合所有利用光纤束成像的应用场景。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种光纤束图像处理方法，其特征在于，所述方法包括：
构建参考图像；
基于所述参考图像确定光纤束串扰矩阵和透过率矩阵函数；
构建目标函数；
基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像；
所述基于所述参考图像确定光纤束串扰矩阵，具体包括：
基于参考图像，测定光纤束中不同光纤的空间位置以及不同光纤间的空间距离，获得光纤束串扰矩阵C为：
Ci,j＝exp(-β×di,j α)
式中，Ci,j表示第i个光纤与第j个光纤之间的串扰，di,j表示第i个光纤与第j个光纤之间的空间距离，β和α表示光纤间串扰的强度，β、α均为大于0的常数；
确定所述透过率矩阵函数，具体包括：
基于光纤束串扰矩阵C，利用图像复原算法对参考图像进行处理，获得光纤束透过率矩阵函数M为：
式中，inv(C)表示光纤束串扰矩阵C的逆，
和/>
分别表示傅里叶变换和傅里叶反变换，yM表示参考图像，h表示光纤束成像系统的点扩散函数，δ表示图像复原因子；
所述目标函数为：
式中，y表示通过光纤束获取的样本图像，x表示理想的光纤束样本图像，
表示重建后的光纤束样本图像，/>
表示卷积操作，/>
表示图像差值项，||x||p表示图像先验项，λ表示图像先验项的权重，p表示图像先验项的具体范数，p＝1表示l1范数，p＝2表示l2范数，p＝TV表示TV正则化。
2.根据权利要求1所述的光纤束图像处理方法，其特征在于，所述构建参考图像，具体包括：通过光纤束对均匀发光样品进行采样获得参考图像。
3.根据权利要求2所述的光纤束图像处理方法，其特征在于，所述方法还包括：
对多幅重建的光纤束样本图像进行配准处理。
4.一种光纤束图像处理系统，其特征在于，所述系统包括：
第一构建模块，用于构建参考图像；
数学模型建立模块，用于基于所述参考图像确定光纤束串扰矩阵和透过率矩阵函数；
第二构建模块，用于构建目标函数；
重建模块，用于基于目标函数对待处理光纤束样本图像进行求解，重建待处理光纤束样本图像；
所述基于所述参考图像确定光纤束串扰矩阵，具体包括：
基于参考图像，测定光纤束中不同光纤的空间位置以及不同光纤间的空间距离，获得光纤束串扰矩阵C为：
Ci,j＝exp(-β×di,j α)
式中，Ci,j表示第i个光纤与第j个光纤之间的串扰，di,j表示第i个光纤与第j个光纤之间的空间距离，β和α表示光纤间串扰的强度，β、α均为大于0的常数；
确定所述透过率矩阵函数，具体包括：
基于光纤束串扰矩阵C，利用图像复原算法对参考图像进行处理，获得光纤束透过率矩阵函数M为：
式中，inv(C)表示光纤束串扰矩阵C的逆，
和/>
分别表示傅里叶变换和傅里叶反变换，yM表示参考图像，h表示光纤束成像系统的点扩散函数，δ表示图像复原因子；
所述目标函数为：
式中，y表示通过光纤束获取的样本图像，x表示理想的光纤束样本图像，
表示重建后的光纤束样本图像，/>
表示卷积操作，/>
表示图像差值项，||x||p表示图像先验项，λ表示图像先验项的权重，p表示图像先验项的具体范数，p＝1表示l1范数，p＝2表示l2范数，p＝TV表示TV正则化。
5.根据权利要求4所述的光纤束图像处理系统，其特征在于，所述系统还包括：
配准模块，用于对多幅重建的光纤束样本图像进行配准处理。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010098735.8A CN111292361B (zh) | 2020-02-18 | 2020-02-18 | 光纤束图像处理方法、系统、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010098735.8A CN111292361B (zh) | 2020-02-18 | 2020-02-18 | 光纤束图像处理方法、系统、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111292361A CN111292361A (zh) | 2020-06-16 |
| CN111292361B true CN111292361B (zh) | 2023-06-16 |
Family
ID=71029266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010098735.8A Active CN111292361B (zh) | 2020-02-18 | 2020-02-18 | 光纤束图像处理方法、系统、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111292361B (zh) |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2002215760A1 (en) * | 2000-12-28 | 2002-07-16 | Darren Kraemer | Superresolution in periodic data storage media |
| EP3562063B1 (en) * | 2018-04-27 | 2022-06-29 | Institut Mines-Telecom | Optical transmission system and method for core scrambling for multicore optical fibers |
-
2020
- 2020-02-18 CN CN202010098735.8A patent/CN111292361B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111292361A (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111105352B (zh) | 超分辨率图像重构方法、系统、计算机设备及存储介质 | |
| US7646938B2 (en) | Method and system for super-resolution of confocal images acquired through an image guide, and device used for implementing such a method | |
| CN111862251B (zh) | 医学图像重建技术的方法、装置、存储介质和电子设备 | |
| US5878159A (en) | Method for processing endoscopic images obtained with multicore fibers or multifibers | |
| DE102006011707A1 (de) | Verfahren und Vorrichtung zum Erzeugen einer strukturfreien fiberskopischen Aufnahme | |
| Shinde et al. | Pixelate removal in an image fiber probe endoscope incorporating comb structure removal methods | |
| Renteria et al. | Depixelation and enhancement of fiber bundle images by bundle rotation | |
| US10620287B2 (en) | Method and apparatus for denoising magnetic resonance diffusion tensor, and computer program product | |
| Schmied et al. | Open-source solutions for SPIMage processing | |
| CN110246200B (zh) | 磁共振心脏电影成像方法、装置及磁共振扫描仪 | |
| CN110874855B (zh) | 一种协同成像方法、装置、存储介质和协同成像设备 | |
| CN111292361B (zh) | 光纤束图像处理方法、系统、计算机设备和存储介质 | |
| CN114972106A (zh) | 内窥镜的图像处理方法、装置、图像处理设备和内窥镜 | |
| Mekhail et al. | Fiber-bundle-basis sparse reconstruction for high resolution wide-field microendoscopy | |
| CN111461975B (zh) | 光纤束超分辨成像方法、系统、计算机设备和存储介质 | |
| CN113298740A (zh) | 一种图像增强方法、装置、终端设备及存储介质 | |
| CN114885112B (zh) | 基于数据融合的高帧率视频生成方法及装置 | |
| CN113793282B (zh) | 一种空间相机传函测试图像莫尔条纹模糊去除方法 | |
| CN113298711B (zh) | 一种光纤束多帧图像超分辨重建方法及装置 | |
| CN114155340A (zh) | 扫描光场数据的重建方法、装置、电子设备及存储介质 | |
| CN110243828B (zh) | 基于卷积神经网络的生物组织三维成像方法 | |
| KR102075454B1 (ko) | 웹-기반 삼차원 뇌 신경회로 이미지를 제공하는 시스템 및 방법 | |
| Van et al. | Experimental verification of 3D model-based restoration for 3D-SIM with data reduction | |
| CN115409699A (zh) | 基于噪声挤压和通道注意力机制的热成像图像超分辨方法 | |
| KR20210066240A (ko) | 밀집 레이어를 이용한 영상 처리 장치 및 방법 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200616 Assignee: SHENYANG SHENDA ENDOSCOPE Co.,Ltd. Assignor: Suzhou Institute of Biomedical Engineering and Technology Chinese Academy of Sciences Contract record no.: X2020980005472 Denomination of invention: Fiber bundle image processing method, system, computer equipment and storage medium License type: Common License Record date: 20200827 |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |