CN116701920B - 一种提取oct色散失配系数的方法 - Google Patents

一种提取oct色散失配系数的方法 Download PDF

Info

Publication number
CN116701920B
CN116701920B CN202310987158.1A CN202310987158A CN116701920B CN 116701920 B CN116701920 B CN 116701920B CN 202310987158 A CN202310987158 A CN 202310987158A CN 116701920 B CN116701920 B CN 116701920B
Authority
CN
China
Prior art keywords
dispersion
oct
dispersion mismatch
signal
mismatch coefficient
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
Application number
CN202310987158.1A
Other languages
English (en)
Other versions
CN116701920A (zh
Inventor
李勤
桂家辉
张晓�
魏泽文
胡晓明
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202310987158.1A priority Critical patent/CN116701920B/zh
Publication of CN116701920A publication Critical patent/CN116701920A/zh
Application granted granted Critical
Publication of CN116701920B publication Critical patent/CN116701920B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/41—Refractivity; Phase-affecting properties, e.g. optical path length
    • G01N21/45—Refractivity; Phase-affecting properties, e.g. optical path length using interferometric methods; using Schlieren methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2123/00—Data types
    • G06F2123/02—Data types in the time domain, e.g. time-series data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Discrete Mathematics (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供一种提取OCT色散失配系数的方法，包括如下步骤：首先，采用分段离散多项式相位变换算法从低信噪比OCT信号中提取色散失配系数的初估值；然后，在色散失配系数的初估值的基础上，采用基于二维空域评价区域的迭代法计算色散失配系数的精细值。本发明的一个技术效果在于，能够在所关注的样品结构尺度上，更准确、稳定地在低信噪比条件下提取OCT信号的色散失配系数。

Description

一种提取OCT色散失配系数的方法
技术领域
本发明属于光学相干层析成像（OCT）信号处理技术领域，具体涉及一种提取OCT色散失配系数的方法。
背景技术
光学相干层析成像（Optical coherence tomography，OCT）是一种新型的光学成像技术，具有高分辨率、实时、无损成像的优点，在眼科、心血管疾病诊断等领域具有广泛的应用。目前临床普遍采用的是频域OCT（Fourier domain OCT，FD-OCT）技术，主要由低相干光源、样品臂、参考臂、光谱仪/平衡探测器、计算机等结构组成。其中，低相干光源旨在实现更高的OCT成像纵向分辨率，但同时也不可避免地导致了色散效应的产生。
一方面，色散效应会造成OCT干涉信号啁啾，使得成像纵向分辨率下降，图像对比度降低。另一方面，色散效应本身与OCT被检测样品的光学特性相关联，包含了被检测样品的有用信息。因此，准确提取OCT信号的色散失配系数具有重要意义。所提取的色散失配系数不仅可用于实现数值色散校正，提高图像分辨率，而且可进一步计算出被检测样品的色散特征，为OCT诊断识别样品提供多一维度的信息。
在目前经典的OCT信号色散失配系数提取方法中，相位拟合法是一种常见的行之有效的方法，但其仅适用于纯净结构样品的色散失配系数提取，且计算稳定性不高，所提取的色散失配值极易受到OCT干涉信号微小波动的干扰。迭代法具有比相位拟合法更好的鲁棒性，计算色散失配系数的准确性和稳定性都较相位拟合法有更优的表现，但其在低信噪比场景下的计算准确性和计算稳定性仍表现不佳，且计算量相对较大。
综上所述，准确提取OCT信号的色散失配系数具有重要意义，然而目前方法仍然难以在低信噪比条件下准确、稳定地提取OCT信号色散失配系数，阻碍了许多场景下对OCT色散的处理和应用。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一，提供一种提取OCT色散失配系数的方法的新技术方案。
根据本发明的一个方面，提供了一种提取OCT色散失配系数的方法，包括如下步骤：
首先，采用分段离散多项式相位变换（Segmented discrete polynomial-phasetransform，SDPT）算法从低信噪比OCT信号中提取色散失配系数的初估值；
然后，在色散失配系数的初估值的基础上，采用基于二维空域评价区域的迭代法计算色散失配系数的精细值。
可选地，利用离散多项式相位变换（Discrete polynomial-phase transform，DPT）从低信噪比OCT信号中提取色散失配系数的初估值，包括：
步骤S100，构建解析信号；
步骤S200，将解析信号无重叠地分为P段，每段长为L，获取分段解析信号S，并确定分段解析信号S的段内快时间序号l以及段间慢时间序号p；
其中，段长L满足如下约束条件：
；
式中：为OCT干涉信号采样点数，/>为采样光学角频率间隔，/>为色散失配系数；
步骤S300，对分段解析信号S的快时间序号l做快速傅里叶变换（Fast Fouriertransform， FFT）；
步骤S400，在步骤S300的基础上，对慢时间序列p进行离散多项式相位变换，以确定色散失配系数的初估值。
可选地，对慢时间序列p进行离散多项式相位变换，以确定色散失配系数的初估值，包括：
对慢时间序列p做共轭差分，将含有色散失配系数的二阶项消除，把提取色散失配系数的任务转换为了求取慢时间频率，得到色散失配系数/>的表达式如下：
；
式中：为对慢时间序列的快速傅里叶变换点数，/>为分段离散多项式相位变换的信号峰值对应的频域坐标；
通过检测分段离散多项式相位变换的结果峰值对应的频域坐标，并结合色散失配系数的表达式以提取出各深度位置的色散失配系数的初估值。
可选地，在步骤S100，构建解析信号，包括：
对OCT干涉信号原始数据进行希尔伯特变换，以构建解析信号。
可选地，采用基于二维空域评价区域的迭代法获取色散失配系数的精细值，包括如下步骤：
步骤S501，以分段离散多项式相位变换所计算的色散失配系数为中心生成色散补偿因子，对所关注样品结构尺度内的连续干涉信号进行数值色散补偿；
步骤S502，通过快速傅里叶变换将色散补偿后的干涉信号转换至空域，选取特定深度包含背散射信号分量的二维空域作为衡量色散匹配/失配程度的评价区域；
步骤S503，计算二维空域评价区域的二维指标；
步骤S504，迭代进行步骤S501至步骤S503，当二维指标取得最大值时，对应的色散补偿系数即为该深度位置处的色散失配系数的精细值。
可选地，对慢时间序列p做共轭差分，将含有色散失配系数的二阶项消除，包括：
将含有色散失配系数的二阶项消除，得到如下表达式：
；
式中：为慢时间序列的相位，/>为相位中的常数项。
可选地，基于二维空域评价区域的迭代法，包括：
首先，根据色散失配系数的初估值进行色散补偿；
其次，在色散补偿的基础上确定二维空域的感兴趣区域；
再次，根据二维空域的感兴趣区域确定二维空域评价函数值；
最后，根据二维空域评价函数值是否最大化以确定色散失配系数的精细值。
可选地，当二维空域评价函数是最大化时，确定色散失配系数的精细值；
当二维空域评价函数非最大化时，迭代进行色散补偿。
可选地，OCT干涉信号原始数据为横向连续干涉信号。
可选地，段长L满足如下约束条件：，包括：
首先，约束每一段长L内干涉信号的振荡频率变化小于采样频率的二分之一，即：；
其次，获取段长L的约束条件：。
本发明的一个技术效果在于：
在本申请实施例中，该提取OCT色散失配系数的方法设计合理。首先，采用分段离散多项式相位变换从OCT干涉信号中提取色散失配系数的初始值，显著提高了从低信噪比信号中提取色散的能力。然后，在色散失配系数的初始值的基础上采用基于二维空域评价区域的迭代法进一步计算色散失配系数的精细值，较好地提高了色散失配系数计算的准确性和稳定性。
因此，该提取OCT色散失配系数的方法能够在所关注的样品结构尺度上，更准确、稳定地在低信噪比条件下提取OCT信号的色散失配系数。
附图说明
图1为本发明一实施例的一种提取OCT色散失配系数的方法的流程示意图；
图2为本发明另一实施例的一种提取OCT色散失配系数的方法的流程示意图；
图3为一条有四个反射分量的OCT空域A-line仿真信号；
图4为相位拟合法、迭代法、基于SDPT的二维空域评价区域迭代法提取不同信噪比信号色散失配系数的相对误差；
图5为相位拟合法、迭代法、基于SDPT的二维空域评价区域迭代法提取不同信噪比干涉信号色散失配系数的标准差；
图6为色散补偿前后的OCT空域A-line仿真信号;
图7为1mm深度处反射分量数值色散补偿前后的空域A-line信号;
图8为2mm深度处反射分量数值色散补偿前后的空域A-line信号;
图9为3mm深度处反射分量数值色散补偿前后的空域A-line信号;
图10为4mm深度处反射分量数值色散补偿前后的空域A-line信号。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
下面将详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
根据本发明的一个方面，参见图1至图2，提供了一种提取OCT色散失配系数的方法，包括如下步骤：
步骤S1，采用分段离散多项式相位变换（Segmented discrete polynomial-phasetransform，SDPT）算法从低信噪比OCT信号中提取色散失配系数的初估值；
步骤S2，在色散失配系数的初估值的基础上，采用基于二维空域评价区域的迭代法计算色散失配系数的精细值。
在本申请实施例中，该提取OCT色散失配系数的方法设计合理。首先，采用分段离散多项式相位变换从OCT干涉信号中提取色散失配系数的初始值，显著提高了从低信噪比信号中提取色散的能力。然后，在色散失配系数的初始值的基础上采用基于二维空域评价区域的迭代法进一步计算色散失配系数的精细值，较好地提高了色散失配系数计算的准确性和稳定性。
因此，该提取OCT色散失配系数的方法能够在所关注的样品结构尺度上，更准确、稳定地在低信噪比条件下提取OCT信号的色散失配系数。
可选地，利用离散多项式相位变换（Discrete polynomial-phase transform，DPT）从低信噪比OCT信号中提取色散失配系数的初估值，包括：
步骤S100，构建解析信号；
步骤S200，将解析信号无重叠地分为P段，每段长为L，获取分段解析信号S，并确定分段解析信号S的段内快时间序号l以及段间慢时间序号p，则解析信号采样点序号n可表示为n=l+pL，其中l为分段后的段内快时间序号，p为分段后的段间慢时间序号。于是OCT干涉信号S（n）可表示为S（l，p）；
其中，段长L满足如下约束条件：
；
式中：为OCT干涉信号采样点数，/>为采样光学角频率间隔，/>为色散失配系数；
步骤S300，对分段解析信号S的快时间序号l做快速傅里叶变换，以使干涉信号能量集中于特定空域，提高有效干涉分量的信噪比；
步骤S400，在步骤S300的基础上，对慢时间序列p进行离散多项式相位变换，以确定色散失配系数的初估值。
可选地，对慢时间序列p做共轭差分，将含有色散失配系数的二阶项消除，把提取色散失配系数的任务转换为了求取慢时间频率，得到色散失配系数/>的表达式如下：
；
式中：为对慢时间序列的快速傅里叶变换点数，/>为分段离散多项式相位变换的信号峰值对应的频域坐标。
在色散失配系数的表达式中，只要测出分段离散多项式相位变换（SDPT）结果信号峰值对应的频域坐标k，就可以根据色散失配系数/>的表达式计算得到色散失配系数的初估值。即通过检测分段离散多项式相位变换的结果峰值对应的频域坐标，并结合色散失配系数的表达式以提取出各深度位置的色散失配系数的初估值。
在上述实施方式中，可以准确、快速地提取出各深度位置的色散失配系数的初估值，以便于后续对色散失配系数的精细值的计算。
可选地，在步骤S100，构建解析信号，包括：
对OCT干涉信号原始数据进行希尔伯特变换，以构建解析信号。
在上述实施方式中，构建解析信号是为了助于后续对构建的解析信号进行分段离散多项式相位变换算法的计算以获取色散失配系数的初估值，进而基于二维空域评价区域的迭代法计算色散失配系数的精细值。
可选地，采用基于二维空域评价区域的迭代法获取色散失配系数的精细值，包括如下步骤：
步骤S501，以分段离散多项式相位变换所计算的色散失配系数为中心生成色散补偿因子，对所关注样品结构尺度内的连续干涉信号进行数值色散补偿；
步骤S502，通过快速傅里叶变换将色散补偿后的干涉信号转换至空域，选取特定深度包含背散射信号分量的二维空域作为衡量色散匹配/失配程度的评价区域；
步骤S503，计算二维空域评价区域的二维指标；
步骤S504，迭代进行步骤S501至步骤S503，当二维指标取得最大值时，对应的色散补偿系数即为该深度位置处的色散失配系数的精细值。
在上述实施方式中，能够准确地计算出色散失配系数的精细值，从而能够在所关注的样品结构尺度上，更准确、稳定地在低信噪比条件下提取OCT信号的色散失配系数。
可选地，对慢时间序列p做共轭差分，将含有色散失配系数的二阶项消除，包括：
将含有色散失配系数的二阶项消除，得到如下表达式：
；
式中：为慢时间序列的相位，/>为相位中的常数项。
在上述实施方式中，通过对慢时间序列p做共轭差分，从而能够将含有色散失配系数的二阶项消除，进而有助于获取色散失配系数/>的表达式，因此，通过检测分段离散多项式相位变换的结果峰值对应的频域坐标，并结合色散失配系数的表达式以提取出各深度位置的色散失配系数的初估值。
可选地，参见图2，基于二维空域评价区域的迭代法，包括：
首先，根据色散失配系数的初估值进行色散补偿；
其次，在色散补偿的基础上确定二维空域的感兴趣区域；
再次，根据二维空域的感兴趣区域确定二维空域评价函数值；
最后，根据二维空域评价函数值是否最大化以确定色散失配系数的精细值。
在上述实施方式中，在色散失配系数的初估值的基础上，能够利用二维空域评价区域的迭代法稳定、准确地计算色散失配系数的精细值，其不受低信噪比场景的影响，计算结果比较可靠，
可选地，当二维空域评价函数是最大化时，确定色散失配系数的精细值；
当二维空域评价函数非最大化时，迭代进行色散补偿。
在上述实施方式中，通过二维空域评价区域的迭代法，能够准确地获取色散失配系数的精细值。
可选地，OCT干涉信号原始数据为横向连续干涉信号。
可选地，段长L满足如下约束条件：，包括：
首先，约束每一段长L内干涉信号的振荡频率变化小于采样频率的二分之一，即：；
其次，获取段长L的约束条件：。
在上述实施方式中，能够有效地为保证对低信噪比OCT信号进行分段离散多项式相位变换计算的有效性和准确性。
参见图3至图10，利用仿真OCT干涉信号实验分析基于分段离散多项式相位变换（SDPT）的二维空域评价区域迭代法在低信噪比条件下提取色散失配系数的准确性和稳定性，且所提取色散失配系数可实现准确的数值色散补偿。
图3为一条有四个反射分量的OCT空域A-line仿真信号。该信号掺杂了标准差为0.1的高斯随机噪声，4个反射分量对应深度分别为1mm、2mm、3mm和4mm。随着深度的增加，反射分量的互相干信号幅值逐渐降低，分别为2、1、0.5和0.3；包含的色散失配系数逐渐升高，分别为1000fs2、1300fs2、1600fs2和1900fs2。信号对应的光源中心波长为1310nm，带宽为120nm。
生成图3所示的仿真信号有50组，分别使用相位拟合法、迭代法、基于分段离散多项式相位变换（SDPT）的二维空域评价区域迭代法提取这50组信号不同反射分量的色散失配系数。利用所提取色散失配系数与真实色散失配系数的相对误差来衡量算法的准确性，利用所提取色散失配系数的标准差来衡量算法的稳定性。
图4为相位拟合法、迭代法、基于分段离散多项式相位变换（SDPT）的二维空域评价区域迭代法提取不同信噪比信号色散失配系数的相对误差，可以看出随着信噪比的降低，基于分段离散多项式相位变换（SDPT）的二维空域评价区域迭代法计算相对误差始终小于相位拟合法和迭代法，说明本申请在低信噪比条件下具有更优的色散提取准确性。
图5为相位拟合法、迭代法、基于分段离散多项式相位变换（SDPT）的二维空域评价区域迭代法提取50组不同信噪比干涉信号色散失配系数的标准差，可以看出，随着信噪比的降低，基于分段离散多项式相位变换（SDPT）的二维空域评价区域迭代法提取色散失配系数的标准差明显小于相位拟合法和迭代法，说明本申请在低信噪比条件下具有更优的色散提取稳定性。
图6展示了利用基于分段离散多项式相位变换（SDPT）的二维空域评价区域迭代法提取的色散失配系数对干涉信号进行数值色散补偿的结果。
其中，图6为色散补偿前后的OCT空域A-line仿真信号。图7，图8，图9，图10分别为1mm、2mm、3mm和4mm深度处反射分量数值色散补偿前后的空域A-line信号，可以明显看出，基于分段离散多项式相位变换（SDPT）的二维空域评价区域迭代法提取的色散失配系数能够实现准确的色散补偿，显著缩窄空域点扩散函数，提升OCT分辨率。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (8)

1.一种提取OCT色散失配系数的方法，其特征在于，包括如下步骤：
首先，采用分段离散多项式相位变换算法从低信噪比OCT信号中提取色散失配系数的初估值，包括：
步骤S100，构建解析信号；
步骤S200，将解析信号无重叠地分为P段，每段长为L，获取分段解析信号S，并确定分段解析信号S的段内快时间序号l以及段间慢时间序号p；
其中，段长L满足如下约束条件：
；
式中：为OCT干涉信号采样点数，/>为采样光学角频率间隔，/>为色散失配系数；
步骤S300，对分段解析信号S的快时间序号l做快速傅里叶变换；
步骤S400，在步骤S300的基础上，对慢时间序列p进行离散多项式相位变换，以确定色散失配系数的初估值；
然后，在色散失配系数的初估值的基础上，采用基于二维空域评价区域的迭代法计算色散失配系数的精细值，包括如下步骤：
步骤S501，以分段离散多项式相位变换所计算的色散失配系数为中心生成色散补偿因子，对所关注样品结构尺度内的连续干涉信号进行数值色散补偿；
步骤S502，通过快速傅里叶变换将色散补偿后的干涉信号转换至空域，选取特定深度包含背散射信号分量的二维空域作为衡量色散匹配/失配程度的评价区域；
步骤S503，计算二维空域评价区域的二维指标；
步骤S504，迭代进行步骤S501至步骤S503，当二维指标取得最大值时，对应的色散补偿系数即为选取特定深度位置处的色散失配系数的精细值。
2.根据权利要求1所述的提取OCT色散失配系数的方法，其特征在于，对慢时间序列p进行离散多项式相位变换，以确定色散失配系数的初估值，包括：
对慢时间序列p做共轭差分，将含有色散失配系数的二阶项消除，把提取色散失配系数的任务转换为了求取慢时间频率，得到色散失配系数/>的表达式如下：
；
式中：为对慢时间序列的快速傅里叶变换点数，/>为分段离散多项式相位变换的信号峰值对应的频域坐标；
通过检测分段离散多项式相位变换的结果峰值对应的频域坐标，并结合色散失配系数的表达式以提取出各深度位置的色散失配系数的初估值。
3.根据权利要求2所述的提取OCT色散失配系数的方法，其特征在于，在步骤S100，构建解析信号，包括：
对OCT干涉信号原始数据进行希尔伯特变换，以构建解析信号。
4.根据权利要求3所述的提取OCT色散失配系数的方法，其特征在于，对慢时间序列p做共轭差分，将含有色散失配系数的二阶项消除，包括：
将含有色散失配系数的二阶项消除，得到如下表达式：
；
式中：为慢时间序列的相位，/>为相位中的常数项。
5.根据权利要求1所述的提取OCT色散失配系数的方法，其特征在于，基于二维空域评价区域的迭代法，包括：
首先，根据色散失配系数的初估值进行色散补偿；
其次，在色散补偿的基础上确定二维空域的感兴趣区域；
再次，根据二维空域的感兴趣区域确定二维空域评价函数值；
最后，根据二维空域评价函数值是否最大化以确定色散失配系数的精细值。
6.根据权利要求5所述的提取OCT色散失配系数的方法，其特征在于，当二维空域评价函数是最大化时，确定色散失配系数的精细值；
当二维空域评价函数非最大化时，迭代进行色散补偿。
7.根据权利要求1所述的提取OCT色散失配系数的方法，其特征在于，OCT干涉信号原始数据为横向连续干涉信号。
8.根据权利要求1所述的提取OCT色散失配系数的方法，其特征在于，段长L满足如下约束条件：，包括：
首先，约束每一段长L内干涉信号的振荡频率变化小于采样频率的二分之一，即：；
其次，获取段长L的约束条件：。
CN202310987158.1A 2023-08-08 2023-08-08 一种提取oct色散失配系数的方法 Active CN116701920B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310987158.1A CN116701920B (zh) 2023-08-08 2023-08-08 一种提取oct色散失配系数的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310987158.1A CN116701920B (zh) 2023-08-08 2023-08-08 一种提取oct色散失配系数的方法

Publications (2)

Publication Number Publication Date
CN116701920A CN116701920A (zh) 2023-09-05
CN116701920B true CN116701920B (zh) 2023-10-31

Family

ID=87829763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310987158.1A Active CN116701920B (zh) 2023-08-08 2023-08-08 一种提取oct色散失配系数的方法

Country Status (1)

Country Link
CN (1) CN116701920B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7880961B1 (en) * 2006-08-22 2011-02-01 Sandia Corporation Optical amplifier exhibiting net phase-mismatch selected to at least partially reduce gain-induced phase-matching during operation and method of operation
CN108107430A (zh) * 2017-11-09 2018-06-01 北京理工大学 一种基于分数阶傅立叶变换的舰船目标isar成像方法
CN113331809A (zh) * 2021-05-20 2021-09-03 浙江大学 基于mems微型振镜的腔道内三维血流成像方法和装置
CN114022583A (zh) * 2021-10-12 2022-02-08 佛山市灵觉科技有限公司 基于非均匀离散傅里叶变换的oct图像重建方法
CN115067911A (zh) * 2022-05-30 2022-09-20 浙江大学嘉兴研究院 一种基于gpu实时处理的octa图像优化方法与装置
CN116228794A (zh) * 2023-03-06 2023-06-06 河北大学 基于ps-oct的牙齿病变区域定位分割方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2612332A (en) * 2021-10-28 2023-05-03 Orca Computing Ltd Binary optimization with boson sampling

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7880961B1 (en) * 2006-08-22 2011-02-01 Sandia Corporation Optical amplifier exhibiting net phase-mismatch selected to at least partially reduce gain-induced phase-matching during operation and method of operation
CN108107430A (zh) * 2017-11-09 2018-06-01 北京理工大学 一种基于分数阶傅立叶变换的舰船目标isar成像方法
CN113331809A (zh) * 2021-05-20 2021-09-03 浙江大学 基于mems微型振镜的腔道内三维血流成像方法和装置
CN114022583A (zh) * 2021-10-12 2022-02-08 佛山市灵觉科技有限公司 基于非均匀离散傅里叶变换的oct图像重建方法
CN115067911A (zh) * 2022-05-30 2022-09-20 浙江大学嘉兴研究院 一种基于gpu实时处理的octa图像优化方法与装置
CN116228794A (zh) * 2023-03-06 2023-06-06 河北大学 基于ps-oct的牙齿病变区域定位分割方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
稀疏分数傅里叶变换理论及其在探测中的应用;刘升恒;《中国博士学位论文电子期刊网》;I136-16 *
高速光纤通信系统中色散估计算法的研究;李勇;《中国优秀硕士论文电子期刊网》;I136-265 *

Also Published As

Publication number Publication date
CN116701920A (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
US9404730B2 (en) Methods for processing images generated using fourier domain optical coherence tomography (FDOCT)
CN115046469B (zh) 一种面向光纤白光干涉的干涉条纹包络提取方法
CN110779464A (zh) 一种时域频域联合分析宽光谱相干测量方法及系统
CN112051583B (zh) Fmcw距离测量系统中拍频信号非线性校正方法
CN106291502B (zh) 目标rcs测量中背景提取与抵消的最大概率时域处理方法
CN109186767A (zh) 一种软件触发的傅里叶变换光谱仪中干涉图采样方法
CN105030201A (zh) 基于静态区域信息的扫频oct数字相位矫正方法与系统
CN109813269A (zh) 结构监测传感器在线校准数据序列匹配方法
CN111879730A (zh) 基于矩形窗函数优化的光学相干层析成像信号处理方法
Cao et al. Non-harmonic analysis applied to optical coherence tomography imaging
WO2024212785A1 (zh) 一种色散补偿方法、装置、电子设备及存储介质
CN104391286B (zh) 一种逆合成孔径雷达方位定标方法
CN111404553A (zh) 基于自适应算法的激光Lamb波压缩感知重构方法
CN109297595B (zh) 一种光学相干层析相位解卷绕的方法及装置
CN116701920B (zh) 一种提取oct色散失配系数的方法
CN106443619B (zh) 目标rcs测量中基于最大概率门限与模型预测联合处理的背景提取方法
CN112462380A (zh) 一种基于激光调频连续波远距离测距的色散补偿方法
KR102357925B1 (ko) Wlsi의 간섭무늬 신호를 이용한 샘플 표면 높이 측정 장치
CN112415512A (zh) 基于进退法和黄金分割法的sar运动目标聚焦方法
CN110017898A (zh) 一种基于干涉成像光谱仪的高精度波长定标方法
Barajas et al. Towards an on-chip signal processing solution for the online calibration of SS-OCT systems
CN210119571U (zh) 一种抑制激光光强波动像质退化效应的主动成像系统
CN112034475A (zh) Fmcw激光雷达扫频光源跳模补偿方法
Feng et al. Reconstruction of Velocity Curve in Long Stroke and High Dynamic Range Laser Interferometry
CN111486804B (zh) 用于精密部件厚度测量的信号处理方法及测量方法

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