快速成像技术

关键词: 需求 消费者 食品 注重

快速成像技术(精选九篇)

快速成像技术 篇1

在生活水平不断提高的情况下, 人们越来越注重生活的质量, 对于食品的要求也越来越高, 不仅注重食品的外观与口味, 还注重食品的营养价值与安全等。因此食品企业为了满足消费者的需求, 使企业获得更好的经济效益, 就必须生产出符合消费者需求的食品, 这就要求能够对食品进行高效以及准确的检测, 以此保证食品的质量。

2 计算机视觉技术在食品检测中的应用

2.1 计算机视觉技术在检测肉类形态中的具体应用

通过评估肉类食品的形态, 可以衡量加工后食品的质量损失程度。在对火腿进行实验的研究中, 主要是为了检测其表面积以及体积, 首先对火腿的形态特征进行识别, 然后再除去火腿的包装, 在获得了火腿形态后, 分别使用直接法和基于积分思想的方法进行计算, 发现后一种计算方法的精度比较高。计算了火腿在风冷前后不同条件下的形状参数后, 利用计算机视觉技术对两种不同的数据进行相关联, 经过分析后发现风冷前后数据之间存在很强的关联性[1]。这说明利用计算机视觉技术计算风冷前的火腿形状参数, 可以预测出风冷后的形状参数。同时还可以利用该技术建立一个神经网络模型模型, 这个模型不仅可以预测火腿的体积, 而且还能预测火腿的表面积。

2.2 计算机视觉技术在肉制品分类中的具体应用

在对肉制品进行分类的过程中, 可以利用计算机视觉技术获取相关的肉制品纹理参数, 根据该参数就可以实现分类, 这种分类方法比传统方法的效果好, 该技术方法主要是通过比较获取的各种彩色图像进行分类。同时还可以利用该技术根据肉制品的颜色空间进行分类, 在实际的操作过程中需要计算出肉制品的形状参数方向性, 然后综合所有图像的形状参数进行识别。

2.3 计算机视觉技术在检测肉制品水分中的应用

一般来说当肉品的水分过度流失, 颜色也会发生变化, 最终影响到肉品的质量。在对肉制品含水量进行检测的过程中, 需要先确定颜色参数与水量参数的关联性, 这就需要对各种颜色参数进行统计分析, 从而计算出平均值和标准差, 建立两种不同类型的模型, 其中一个模型是神经网络模型, 另一个模型是偏最小二乘回归模型, 然后再根据检测出来的含水率, 建立一个含水率的校正模型, 经过对比分析后发现前者比后者的效果好, 可以准确的预测出肉制品的含水量[2]。

3 高光谱成像技术在食品检测中的应用

3.1 高光谱成像技术在羊肉品质检测中的应用

在对羊肉品质进行检测的过程中, 可以充分利用高光谱成像技术来鉴别羊肉的三个不同部位, 第一个部位是半腱肌, 第二个部位是最长肌, 第三个部位是腰大肌, 进而对各个部位的主要成分进行分析, 计算所有不同波段的光谱, 然后选择出最优的变量, 从而再利用这些光谱变量做成一个数学模型, 利用一定的技术把该模型变为成分布图, 这样就可以准确的鉴别出羊肉的各个部位[3]。同时把高光谱成像技术与其他的方法相结合使用, 不仅可以检测出羊肉的p H值, 而且还可以检测出羊肉的颜色与含水量, 因此该技术的发展前景还是非常大的。

3.2 高光谱成像技术在猪肉品质检测中的应用

在对猪肉品质进行检测的过程中, 高光谱成像技术可以对猪肉进行分类。在对猪肉最长肌进行实验的过程中, 把猪肉分为3个等级, 第一个等级是RFN, 该等级的猪肉成色好, 汁液流失也比较少;第二个等级是PSE, 该等级的猪肉存在失色、变软以及渗出的情况;第三个等级是DFD, 该等级的猪肉颜色呈深紫红, 非常坚硬和干燥。然后再利用高光谱成像技术取得这些样本的图像, 对猪肉主要成分进行统计分析, 然后利用光谱波段, 建立一个数学模型, 发现该模型的准确率非常达到96%, 由此就可以把该模型转化为可视化的分布图。该技术除了能够对猪肉品质进行分类, 而且还能对猪肉的品质进行预测, 一把来说猪肉的品质不仅与颜色相关, 而且还与汁液流失以及p H值等相关, 因此可以利用这些相关参数建立一个数学模型, 从而将其转化成直观分布图, 这样就能看出猪肉的品质。

3.3 高光谱成像技术在牛肉品质检测中的应用

利用高光谱成像技术可以检测出牛肉的持水力。对牛肉主要成分进行统计分析, 从而分析出所有光谱波段的总体走向, 然后再利用偏最小二乘回归的方法, 建立一个关系模型, 从关系模型中得出具体的确定系数, 进而再利用回归系数的方法, 选择出最优光谱变量, 以此建立一个持水力的预测模型, 结果发现模型的准确率非常高, 几乎与全段模型无异, 然而光谱变量的有一定的减少[4]。根据该数学模型, 利用一定的技术再把其转化为持水力分布图, 这样就可以从图中观测出牛肉的持水力。总的来说高光谱成像技术在对牛肉品质进行检测的时候, 确实具有很大的发展前景。

结束语

当前现代光学成像技术已经逐渐替代传统的食品检测方法, 该技术被广泛应用于食品品质的检测中, 它可以实现快速和无损检测, 工作效率非常高。同时该技术还可以对获取的信息进行定量评估, 可以获得直观的分布图, 这样不仅有利于企业对食品质量进行在线检测, 而且还有利于企业对食品质量进行过程控制, 实现全程有效的检测食品品质, 从而提高食品的质量, 为消费者提供安全的食品。

参考文献

[1]唐平, 金建昌, 刘东红.食品品质的光影响机理及影响因素研究进展[J].粮油加工与食品机械, 2013, 19 (2) :180-182.

[2]赵红霞, 周丰昆, 刘静波, 孙佳石.基于计算机视觉的肉色量化研究 (英文) [J].食品科学, 2014, 8 (10) :170-173.

[3]范方辉, 唐书泽, 马强, 葛婧, 彭青玉.基于计算机视觉和人工神经网络预测挤压食品的质构特征[J].食品工业科技, 2013, 15 (21) :267-270.

红外热成像技术研究 篇2

关键词:红外热成像;无损检测技术;优缺点

从现在的新型科技企业来说,很多企业的设备在车间生产线上都安装和设置了无损检测程序,之前也有很多传统的无损检测技术出现,不过这些技术不管是在管理方面还是在实践上都存在一定的`缺点,而红外热成像无损检测技术能较好的改善一些传统的无损检测技术不能达到的一些检测效果,如今它在很多领域也得到了应用,因为有它检测的便捷、准确性高等优点逐渐得到人们的认可。

1红外热成像无损检测技术的简介

红外热成像无损检测技术是利用红外热成像原理来工作的。

它是由热成像技术、红外标定技术、图象处理技术和图象压缩与恢复技术等多项高技术的集成。

举个例子,就石油化工企业生产程序来说,对这个生产线所需要的仪器设备进行检测,首先是启动设备,之后在设备工作的时候就会散发出热量,每个仪器所散发出的热量是不一样的,在设备工作的时候,可以利用红外热成像仪器检测被测仪器的热量,这些热量会发射出辐射,在自然界中一切物体都会有电磁波辐射,之后根据辐射就会在红外热成像仪器上成像,根据成像的不同可以判断被测仪器的工作状态。

2红外热成像无损检测技术的原理

相位法红外无损检测利用调制激励源在被测物体内部产生周期热波,由于物体内部缺陷产生的反射受到入射波的干扰而在物体表面形成一个可被红外热像仪记录的波形,用红外热像仪采集多幅热图像,经过图像序列信号重构,得到被测物体表面温度变化信号,提取被测物体表面各点温度变化的相位图和幅值图,据此判定缺陷的存在和特征。

图1给出了采用红外相位法技术进行无损检测的原理。

2.1红外无损检测系统的组成

如图2所示,一个典型的红外无损检测系统由以下几部分组成:热激励系统、红外热成像系统、红外图像采集、处理和分析系统。

2.2激励系统

主动式红外无损检测系统必须要有一个热激励系统,用以造成被测材料内部稳态或瞬态不均匀温度场,使被测材料内部缺陷显示出来。

光源激励系统主要包括三部分,一是函数信号发生器;二是功率放大器;三是卤素光源。

2.3红外图像采集系统

红外图像采集系统主要指红外热像仪,它负责把物体自身的红外辐射变成人眼可识别的可见图像,即把物体表面的温度分布转换成图像,以直观、形象的热图像显示出来。

由于热像仪所获得的是物体表面二维温度场信息,因此普遍应用于红外无损检测。

2.4分析处理软件系统

法国CEDIP软件处理系统包括ALTAIRLI处理软件和ALTAIR图像处理软件。

ALTAIRLI软件具有快速采集和处理信号功能,ALTAIR具有图像增强、数据分析等功能。

为实现对法国CEDIP公司ALTAIR红外无损检测系统采集的红外图像序列进行处理与开发,自行设计了后处理软件系统,功能框图如图3所示,通过读取CEDIPMWIRJADE550红外热像仪采集的图像序列,进行提取表面热波信号相位等信息,并可进行信号重构。

自行开发的红外图像序列处理软件,同样用于国产红外无损检测系统采集的红外图像序列的处理,用以实现缺陷的识别。

3红外热成像无损检测技术的优缺点

红外热成像无损检测技术是一门先进的科学技术,与其它传统的无损检测技术相比,它在很多方面都有优点,但是什么东西都有两面性,红外热成像无损检测技术也有一些不如意的地方,下面就这两方面来简单的探讨一下。

3.1红外热成像无损检测技术的优点

目前红外热成像的应用还算不上是广泛,这是因为红外热成像仪器还没有普及到一般的中小企业的工业生产程序中,还有就是可能一些工厂的生产线上还没有设置检测这项程序,不过除了这些方面之外,在其它一些大型的工厂企业中,红外热成像无损检测技术还是因为其优点慢慢的得到了很好的应用。

其优点而言主要有以下几点:

第一,红外热成像无损检测技术的安全性高。

红外热成像无损检测技术是利用红外热成像的原理根据热量的散发检测红外程度,这种方法与其它技术相比更为安全可靠,检测的时候也不需要经过工作人员接触性的工作,就像在石油化工企业对一些设备进行无损检测时,利用其他传统的方法,需要工作人员对设备的操作流程十分的清楚,此外,石油化工的一些设备都是高风险性的,如果在处理的时候,工作人员一不小心弄错了一步,那么就可能会产生很严重的后果,与此相反,红外热成像无损检测只需要启动设备,之后根据工作时的热量差直接判断设备的正常与否。

第二,红外热成像无损检测技术的灵敏度高。

因为这项技术不是经过人为的检测,与之前一些需要人为操作的检测方法相比,红外热成像无损检测技术完全是由机器操控,通过仪器内部零件的控制,分析设备工作时的散热量检测设备,这样会避免很多差错。

第三,红外热成像无损检测技术的诊断效率高。

红外热成像检测技术完全是由红外热检测仪器内部自动检测自发进行的,由需检测的设备在工作中散发的热量经过红外热检测仪器,这个过程需要的时间只有几秒钟而已,这样大大的提高了诊断效率,传统的检测技术,不仅步骤复杂繁琐,如需要进行一次检测,除了要经过工作人员的准备之外,需要的检测仪器设备也比较多,当然时间相应的也就多了,而且,并不是每一次的检测都会成功,有时只要其中一个步骤出错了,可能这次的整个检测就前功尽弃了,所以红外热成像无损检测技术的诊断效率与其他一些传统的无损检测技术相比,诊断效率高多了。

3.2红外热成像无损检测技术的缺点

红外热成像无损检测技术就缺点方面而言主要有两点:

第一是这项技术只能检测仪器表面的热量,虽然红外热成像技术是通过检测热量差来检测仪器的好坏,但是很多仪器工作的时候,背部散发出的热量和仪器表面的温度是不一样的,如果单纯的通过检测仪器表面的温度来断定一个仪器工作状态的正常与否,这样造成的差错可能会对整个工作程序造成重大的伤害。

第二是红外热成像技术需要的设备是高科技的设备,而且这种设备的更新速度与其他的检测仪器来比相对来说也比较快,所以这种设备的价格也是非常昂贵的,如果就规模一般的工业投资来说,这样的投资对企业自身是不合算的。

4红外热成像无损检测技术的应用

现代石油化工企业已经逐渐进入到了一个高科技的生产模式中,很多时候石油生产都是自动化的流水工作流程,所以在进行石油生产之前对仪器设备进行检测过关是十分有必要的,而且在石化企业工作也是一项高风险的工作,面对易燃易爆的石油制品,仪器是不能出一点差错的,而红外热成像无损检测技术在石化工业生产中作出了贡献。

在石化工业生产时中,设备在运行工作时无时不刻伴着温度的变化而改变的,其中高温设备也不少,而红外热成像检测可以根据检测高温设备内衬的温度来检测设备,这样可以避免仪器在工作中出现故障而出现停工现象,石化工业设备在生产工作的过程中,仪器工作状态不一样,其内衬温度也不一样,这样的检测方法不会出现较大的差错。

另外,管道保温层的检测在石化工业中也是很重要的一部分,因为石油主要的运输方式是管道运输,所以对管道保温层进行检测也是一道重要的工序,如果管道中的温度较低的话,在石油运输过程中可能就会出现石油凝固的现象,如果管道中的温度较高的话,就会出现石油爆燃的危险现象,这样对石化企业来说可能不是损失一部分成本那么简单,所以控制管道保温层的温度保障石油安全的被运输,才能保障石化企业生产工作的正常进行。

红外热成像无损检测技术能正确的检测管道保温层的温度,使得企业生产程序正常进行。

当然了,还不止这些方面的应用,像对工业锅炉和高温管道耐火材料侵蚀和剥落情况的监测,对高温炉管以及其使用寿命的检测,预防烧穿事故的发生,对锅炉及加热炉炉壁和保温容器壁的监测,寻找热能泄露点的发生等等,红外热成像无损检测技术在这些方面都可以得到很好的发挥作用,预防企业恶性事故的发生,减少企业不必要的经济损失。

红外热成像无损检测技术在很多方面都能得到应用,就像其他的一些电力系统中的应用,它利用检测电力设备的一些裸露的导流体与接线之间的温度来判断电力系统中的电力设备是否完好,预防停电和火灾等恶性事故的发生。

此外在其他一些航空领域、还有建筑设备上都可以得到很好的运用,随着科学技术的发展和进步,可以将红外热成像无损检测技术发展的更好。

5结语

随着我国科学技术的进步和发展,近几年来,中国的红外成像技术得到突飞猛进的发展,与西方的差距正在逐步缩小,有些设备的先进性可与西方同步或领先,在国防很多方面都可以体现出来了。

红外热成像技术也是依赖在科技发展的基础上才得以发展的,不管是缺点还是优点都是它的特点,缺点可以在实践中慢慢的得到改善,优点可以在科技的进步中得到更大的发扬,甚至是可以得到更好的改进,而且这项技术在无损检测中有着巨大的潜力和优优势。

随着社会市场的发展,红外热成像仪行业发展前景也是非常广阔的新兴高科技产业,也是红外应用产品中市场份额最大的一块。

像红外摄像机、红外通讯、红外光谱仪、红外传感器等等这些技术已经得到市场广泛的应用,红外热成像技术在以后的发展中会更加成熟和成功。

参考文献:

[1]李丹嵩.红外热成像技术在化工设备检测中的应用及发展[J].上海化工,,6.

[2]刘晖,陈国华.红外热像检测技术在石化工业中的应用[J].石油化工设备,2010,(1).

用脑成像技术预测未来行为 篇3

自古以来,预测未来运势一直是人类孜孜以求的目标。从殷商的龟甲兽骨到今日的星座血型,人类似乎从来没有放弃过这个几乎不可能的任务。不过可惜的是,迄今为止还没有任何一种理论或技术可以真正做到预测未来。

然而最近,来自麻省理工学院脑与认知科学系的约翰·加布里埃利教授撰文指出,基于如核磁共振成像(MRI)等新一代无创神经成像技术可能为预测个人未来行为趋势提供新的参考。

从神经活动到个人行为

在过去的几个世纪里,神经学家通过研究一些特殊的损伤病例了解到了大脑许多脑区的功能。例如上世纪中叶,对因为手术切除海马结构而无法形成记忆的亨利·莫莱森的研究就揭开了学习记忆的形成机制。此外,对被铁棒穿过前额叶导致性格大变的菲尼亚斯·盖奇、对因手术切断胼胝体而导致大脑两个半球无法协作的“裂脑人”等案例所进行的研究,为神经科学勾勒出了大脑运作的基本框架,可以说是现代神经科学的基础。

进入21世纪以后,大量更快、更好、对研究对象影响更小的研究技术被开发出来,神经科学研究也开始从特殊病例转向一般人群。数十年间,一个接一个脑区的功能被相继破解出来。以这些工作为基础,科学家得以将大脑某些特定区域和人的行为相关联起来。举个例子,人的前额叶和高级智力活动密切相关,前额叶损伤的病人会表现出痴呆以及道德感丧失等症状;相对而言,前额叶发达的人则往往具有较高的智商和自制力。类似地,中脑腹侧被盖区等脑区组成的“奖赏系统”与人的快感有关,这些脑区比较活跃的人往往更容易出现暴饮暴食、酗酒以及滥交等行为,反之,这些脑区特别不活跃者则更有可能出现抑郁症等问题。

爱因斯坦的大脑较之常人拥有更多的沟回,这个特征在前额叶表现得尤为显着。这会不会是他天才智力的缘起呢?

尽管我们现在还难以确认这些神经学特征与人的外在表现之间是否存在因果关系,但加布里埃利教授相信,仅仅依靠统计学上的相关性,这些神经学特征就已经能为个性化医疗或教育提供重要的参考:“我并不认为我们需要严谨的因果关系才能做好我们的工作——当然,如果有的话总是最好的。现在的问题在于,对于许多精神疾病患者而言,几乎没有任何信息可以揭示哪一种疗法会更加有效。而如果体现相关性信息可以预示何种疗法最有可能有效,只要能推广,那也是很有裨益的事情。”加布里埃利说。

无创神经成像技术与大数据分析

从人类意识到大脑是思维的物质基础开始,就有人试图通过研究大脑来预测人的行为。但是大脑被完全包裹在颅骨这个“黑匣子”中,早期又没有合适的透视技术,因此当时人们都寄希望于通过观测人的头部特征来获取大脑的信息。从风靡于19世纪的颅相学到给死囚做“死亡面具”,无数人在这方面做了各种令人啼笑皆非的尝试。但从20世纪中叶开始,对大脑的研究开始转入正轨,人们意识到大脑的特征不一定能从人的外表体现出来,于是乎那类看脸的研究也就慢慢沉寂了。

到了20世纪后半叶,由于物理学的进步,许多新的研究手段被开发出来,神经科学家们从此终于可以不用开颅也能知道大脑的信息了。其中,基于“核磁共振”原理所制造的核磁共振成像系统(MRI)可以像X光或是CT扫描一样“透视”大脑,同时还比它们拥有更高的分辨率且不会产生任何伤害。MRI目前已成为世界主流神经科学或心理学研究机构的标准配置。

加布里埃利认为,这种高性能的设备可以从人类大脑当中分析出海量的数据,结合现代的超级计算机与大数据算法,就可以借助这些数据对具体个人在未来一段时间内的心理、健康乃至行为作出预测,从而实现个性化的医疗、教育和生活指导。

但即便基于脑成像的行为预测能够实现,也并不意味着人的“命运”是被预先决定的。“相反,我认为我的工作实际上是反宿命论的。现在,精神病人接受治疗也好,学生接受教育也好,他们所接受的这些手段对他们是否有效现在无从预判。”加布里埃利说,“而有效程度是由个人特质和干预手段之间的相互作用决定的。我们希望可以通过了解何种疗法或是教育手段对具体某人的效果最好,从而针对性地选择有效的方法,而回避那些无效的。”

通过脑成像预测学习与认知表现

在过去几年中,已经有过若干试图利用无创脑成像技术进行预测的研究,其中有不少都是针对成人或儿童的学习和认知表现展开的。加布里埃利指出,这些研究在未来将有助于为每个人量身打造个性化教育。

在2010年到2013年发表的几项研究表明,大脑背侧纹状体体积较大的人会拥有更善于掌握电子游戏技巧,而与之相对地,这个脑区受损的病人都会表现出不同程度的学习障碍。在21世纪初的一些研究则表明,大脑顶叶不对称以及左侧哈氏回的白质密度较高的人会拥有较好的外语学习能力。不但如此,还有一些通过对被试者进行实时观测的研究,更是直接将大脑的某些区域和特定的脑活动信号与特定的学习认知活动相关联了起来——这些神经学特征可以很好地反应一个人处于怎样的精神状态中。

有证据提示,大约有5%~17%的儿童会在刚上学的时候出现发育性阅读障碍症状,这些孩子的外周器官都没有明显的缺陷,但是他们比其他儿童更难学会阅读。这种现象存在很明显的家族性。有一些研究指出,使用MRI扫描这些家族的新生儿大脑,经常会发现一类特征性的电活动。利用这些神经学特征来预测这个孩子在8岁左右是否会出现发育性阅读障碍,准确率能达到81%。与此类似,有一项研究表明,通过功能性MR(IfMRI)检测大脑右侧额下回的活跃程度可以预测青少年(8-12岁)在接下去几个月中的语言学习能力。无独有偶,在另一项研究儿童数学学习能力的实验中科学家们也得到了类似的结论,研究人员发现大脑右侧海马灰质较大的学生在解决数学问题时具有优势。

通过脑成像预测健康相关行为

除了学习和认知等与大脑直接相关的信息外,通过扫描大脑所能预测的事情还有更多,其中就包括健康预期以及治疗手段是否能够生效这样的切身大事。加布里埃利教授认为,这些信息可以为个性化治疗和保健提供至关重要的参考。

不少人都知道酒精对人,尤其是青少年身体的危害非常巨大。借助于MRI,研究人员就发现了不少与酗酒相关的神经学特征。在最近几年的若干研究中,科学家发现那些大脑前额叶与前扣带回活跃度较低,而基底神经节比较活跃的青少年更有可能酗酒,之前的研究也提示这两个脑区和人的自制力密切相关。除了酒精的问题,研究人员还对诸如滥用药物、暴饮暴食以及滥交等危害健康的因素进行了分析,结果都在大脑中寻找了多处与之相关的神经学特征。

这些对神经学特征的分析不但可以预测每个人的健康状况,还可以为疗法的选择提供指导。以抑郁症为例,当前的治疗手段,无论是心理干预还是药物治疗,其疗效和副作用都存在很大的个体差异,但传统诊断技术并不能很准确地对患者的特质进行分析。加布里埃利相信,如果将预测神经科学手段引入到诊疗中,那么这些问题就都能得到很好地解决。

这种想法并非毫无根据。研究人员发现,多种治疗抑郁症的药物的有效性和大脑中一个叫做前亚属扣带皮层的脑区的代谢水平密切相关。有证据显示,提升那一片脑区的活跃程度可以大大提升抑郁症的治疗效果。事实上,利用深度脑刺激(DBS)治疗抑郁症的技术就基于这些理论。在其它诸如强迫性官能症(OCD)、焦虑症、社交恐惧症等神经精神类疾病中,借助于MRI的个性化医疗在这些领域都取得了不俗的成绩

通过脑成像预测犯罪行为

至于预测神经科学所面对的最具争议的话题,可能莫过于对犯罪行为的预测。坦率地说,无论是对司法机关,还是对一般民众而言,通过技术手段建立一套犯罪预警机制都不算是一件坏事。然而,无论是19世纪末的“天生犯罪人”假说还是20世纪初的“优生学”,人类在这条道路上的尝试结果非但没能阻止或预警犯罪,而且还造成了极为恶劣的伦理困境。可想而知,将利用脑成像预测行为的思路带入犯罪学领域,是背负着巨大的舆论压力的。

许多犯罪行为都和人的冲动性、自制力以及暴力倾向等思维活动有关。2013年的一项研究表明,某些惯犯的前扣带回活跃程度较低,而前扣带回在处理认知冲突的过程中具有异常重要的作用。加布里埃利认为,这个证据对于犯罪预警具有一定的意义,因为该神经学特征与其他预警犯罪的因子(年龄,精神疾病检测分数,药物滥用等)之间是相互独立的。

对于将行为预测引入犯罪预警可能导致的伦理困境,加布里埃利表示:“我最感兴趣的目标还是帮助所有的孩子更好地学习阅读与数学,帮助所有的病人更好地接受治疗,我相信大多数人都会认可我这种想法的。但重要的是,我们要利用这些信息去帮助需要帮助的人。”

快速成像技术 篇4

1 资料与方法

1.1 一般资料

选取2012年1月—2013年1月平昌县人民医院收治的30例NL患者, 其中男18例, 女12例;年龄35~75岁, 平均 (53.2±10.3) 岁;出现不同程度的上腹不适、腹痛腹胀等症状20例, 谷氨酸氨基转移酶和天冬氨酸氨基转移酶不同程度增高14例, 有乙型肝炎病史10例, 甲胎蛋白水平增高8例, 轻度黄疸5例。患者均经手术病理学确诊为NL。

1.2 方法

患者分别接受MRI-LAVA序列与增强CT扫描。MRI-LAVA序列诊断采用GE 1.5CT超导磁核共振扫描仪, LAVA通过8通道体表线进行多期动态扫描, 3D模式, TR3.9ms, TE 1.9ms, 层厚3.6~6.5mm, 矩阵512×512, 带宽125Hz, 视野360×400mm。将对比剂轧喷酸葡胺以3ml/s的流速通过高压注射器进行肘部静脉团注, 行40s门静脉期, 15s动脉期, 75s肝实质平衡期, 同时进行3~4min延迟期扫描。增强CT采用西门子公司生产的16 MSCT多排螺旋CT扫描仪, 扫描参数:层厚4mm, 层距4mm, 管电流230~250m A/s, 管电压120k V, 先行常规扫描。随后将碘普罗胺非离子型造影剂60~80ml通过高压注射器于肘部静脉进行团注, 流速4ml/s, 行70s门静脉期、30s动脉期及2~3min延迟期扫描[2,3]。

1.3 图像处理

增强CT图像后处理采用西门子公司生产的16-slice MSCT图像后处理工作站进行, MRI-LAVA序列检查图像后处理采用GE ADW 4.2工作站进行。在层距1mm、层厚1mm参数上, 对原始数据进行矢状面、曲面、冠状面及任意侧面三维重组, 而常规数据重组层距5mm, 层厚5mm, 采用最大密度投影 (MIP) 对感兴趣区进行重建。所得图像直接传送到图像存储与传输系统 (PACS) , 由3名经验丰富的影像学医师共同阅片[4]。

1.4 统计学方法

采用SPSS 18.0统计软件进行数据处理, 计数资料采用χ2检验。以P<0.05为差异有统计学意义。

2 结果

2.1 增强CT扫描

增强CT扫描检出35个病灶, 20个病灶表现为动脉期富血供病变, 包括9个肝细胞肝癌病灶, 8个血管瘤病灶, 2个肝硬化增生结节病灶, 1个局灶性结节增生病灶;15个病灶表现为动脉期低血供病变, 其中10个转移瘤病灶, 2个肝细胞肝癌病灶, 3个肝硬化再生结节病灶。

2.2 MRI-LAVA序列

MRI-LAVA序列检出41个病灶, 16个表现为动脉期低血供病变, 其中4个肝硬化再生结节病灶, 12个转移瘤病灶;另外25个病灶表现为动脉期富血供病变, 包括10个肝细胞肝癌病灶, 7个血管瘤病灶, 5个转移瘤病灶, 3个肝硬化炎性结节病灶。

2.3 NL诊断准确率

≤3cm肝脏结节性病灶有31个, 增强CT诊断出19个 (61.29%) , MRI-LAVA序列诊断出27个 (87.10%) , 两者诊断准确率比较, 差异有统计学意义 (χ2=17.397, P<0.05) ;>3cm肝脏结节性病灶10个, 增强CT诊断出9个 (90.00%) , MRI-LAVA序列诊断出9个 (90.00%) , 两者诊断准确率比较, 差异无统计学意义 (χ2=0.000, P>0.05) 。

3 讨论

NL是目前临床上的一种常见病, 是由多种原因导致的肝脏纤维组织增生, 同时会引起患者的肝脏小梁排列紊乱而形成的一种疾病。在临床上, 肝脏结节被分为肝结节状再生性增生、肝局灶性结节状增生、肝部分结节样变、肝硬化以及肝腺瘤。由于NL的特点, 患者在临床上会出现多种症状, 如肝脏结核以及炎性肉芽肿等, 严重危害患者的正常工作生活以及身体健康, 甚至极有可能威胁到患者的生命, 因此一种及时有效的诊断方法极为重要。在NL临床诊断中, CT和MRI均具有较高的诊断价值, CT检查诊断准确率尚可, 但所需对比剂量大, 存在较大的肾毒性, 可能引发诸多不良反应。随着MRI技术的发展, 高分辨率快速图像采集、扫描序列被广泛应用, 进一步丰富了MRI诊断内容, 使其成为临床诊断肝脏疾病的主要方法。

MRI-LAVA序列应用K空间填充技术和脂肪技术[5], 有利于对数据采集时间进行动态控制, 完美地获取病灶在门静脉期、动脉早期、静脉晚期及延迟期的扫描图像, 帮助临床医师掌握更多的病灶信息及周围血管解剖信息, 显著降低了误诊率及漏诊率[6,7,8]。

本研究中, MRI-LAVA序列检出41个病灶, 而增强CT检出35个, CT未能显示的6个结节性病变在门脉期及动脉期的强化, 可见MRI能有效弥补增强CT检查存在的不足。同时发现, 在对≤3cm结节性病灶扫描中, MRI-LAVA序列诊断准确率为87.10%, 显著高于增强CT扫描, 说明MRI-LAVA序列有利于发现小病灶, 获得较为理想的诊断准确率。

综上所述, 在临床NL诊断中, 采用MRI-LAVA序列检查有利于发现更多的病灶, 为临床治疗方案的选择及疗效评估提供可靠的依据。

摘要:目的 探讨MRI肝脏快速容积成像技术 (MRI-LAVA) 序列与增强CT扫描在肝脏结节性病变中的诊断价值。方法 选取2012年1月—2013年1月平昌县人民医院收治的30例肝脏结节性病变患者, 均经手术病理学证实, 均采用MRI-LAVA序列与增强CT扫描, 对两种方法诊断结果进行分析, 并比较病灶>3cm及≤3cm的诊断准确率。结果 ≤3cm肝脏结节性病灶有31个, 增强CT扫描诊断出19个 (61.29%) , MRI-LAVA序列诊断出27个 (87.10%) , 两者诊断准确率比较, 差异有统计学意义 (P<0.05) ;>3cm肝脏结节性病灶10个, 增强CT诊断出9个 (90.00%) , MRI-LAVA序列诊断出9个 (90.00%) , 两者诊断准确率比较, 差异无统计学意义 (P>0.05) 。结论 在肝脏结节性病变临床诊断中, 采用MRI-LAVA序列诊断有利于发现更多的肝脏结节性病变, 同时对≤3cm小结节性病变诊断准确率较高。

关键词:肝疾病,体层摄影术,诊断

参考文献

[1]陈新燕.超声造影与增强CT扫描对肝脏局灶性病变的诊断价值比较[J].中国基层医药, 2013, 20 (4) :507-508.

[2] 毛巨江, 沈桂权, 焦俊, 等.MRI-LAVA序列与增强CT扫描诊断肝脏结节性病变[J].贵阳医学院学报, 2015, 40 (1) :93-96.

[3] 张永红, 张桦, 张兴华, 等.三期增强扫描对肝脏结节性病变的诊断价值[J].临床和实验医学杂志, 2011, 10 (3) :194-195.

[4] 邵明明, 肖佐文.肝内结节性病变 (RN、DN) 的CT、MRI影像表现与分析[J].中国美容医学, 2012, 21 (z1) :344.

[5] 费西平, 顾瑞基, 岑贤友, 等.磁共振LAVA增强及DWI在肝结节性病变与小肝癌诊断的对比研究[J].吉林医学, 2014, 11 (17) :3730-3731.

[6] 王荃荣子, 刘希胜, 俞同福, 等.Gd-EOB-DTPA在肝脏局部结节性病变诊断中的应用[J].实用放射学杂志, 2013, 29 (5) :776-779.

[7] 倪明立, 王玉慧, 汤艳萍, 等.DWI结合LAVA技术在肝脏占位性病变中的应用价值[J].放射学实践, 2010, 25 (12) :1371-1374.

快速成像技术 篇5

全景成像(Panoramic Image,PI)[1]是利用特殊成像仪器拍摄而成,所得图像的半球视场在水平方向和垂直方向上都不小于180°或者得到的视场为360°的,能够得到被拍摄对象的全部信息,这样得到得图像利于后期的图像处理。视觉研究领域的一个重要问题是如何能得到目标图像尽量大的视场并从中提取信息,而全景成像能较好的解决这个问题。全景成像技术已经在机器视觉领域及机器人领域得到了广泛应用。全景成像技术的优势明显,应用前景良好,该技术逐渐成为三维图像研究领域的焦点,吸引了众多科技工作者和相关公司的目光。随着微透镜制造工艺和各种光学设备的成熟、还有很多科技工作者的理论研究不断发展,全景成像技术的应用会更多地呈现在我们的生活、工作中。全景图像与传统的二维图像相比,有着独特的成像特点和数据格式,这种技术从它的出现、研究、发展、应用再到普及,都将给立体显示和图像领域带来巨大的影响。由此可见,全景成像技术及其系统的研究和开发具有极其重要的意义。

2 全景图像获取

能够得到全景图像的方法比较多,如可以使用单摄像机旋转系统、多摄像机系统、单摄像机或多摄像机加光能收集系统等等。单摄像机旋转系统获得的图像具有无畸变、高分辨率的优势,但是所成图像需要拼接,需要伺服机构,一般来说实时性不太高。多摄像机系统的优点和单摄像机系统类似,实时性大为改善,也无需伺服机构,缺点是也需要拼接,并且成本成倍增加。

3 图像的预处理

若拼接的图像要求有高准确性,则必须对拼接的图像进行预处理。图像预处理主要可以分为图像的校正和去噪两部分。[2]

4 图像拼接算法

4.1 图像拼接算法

4.1.1图像匹配算法

图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点,如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数,取搜索区中相关系数最大所对应的窗口中心点作为同名点。

4.1.1.1比较匹配算法研究

比较匹配算法是基于灰度匹配的方法,目前研究和应用基于灰度匹配方法的机构比较多,1971年Leese提出了MAD算法;1972年Barnea提出的序贯相似性检测法(SSDA法)此方法能大大提高模板的匹配速度,但弊端是匹配精度低、效果差、受噪声干扰较为明显。山海涛等提出了基于灰度区域相关的归一化灰度(Nprod)匹配法等。因为比较匹配算法对于同一景深的照片匹配效果较好,但是通常获得图片的景深是不同的,所以视拼接效果受到该算法比较大的限制。平行景物线匹配算法是此处匹配算法的基本思想。现有的匹配算法有逐一比较法、分层比较法和相位相关度法,下面详细列出此种算法的基本实现步骤。

(1)取左图重叠部分中距离为d的两列其中的某些象素(L个像素),特征模板ArrayLeft[L]为对应象素的差值。

(2)取右图最左边的P和P+d两列中的某部分像素(设为K,并错开在垂直向上上错开相邻两幅图像在,取K>L),计算它们对应象素值的差值记为ArrayRight[K]。

(3)每一垂直交错距离dis(0≤dis≤K-L),计算出ArrayRight[K]与ArrayLetf[L]的偏差值:

(4)通过比较各ε[dis]值的大小后,得到最小值e[P];对应的交错距离为dis[P]。

(5)P=P+Step,若P∠M/2(M为图像的宽),回到(2)。

(6)取e[P]中的最小值,得到最佳匹配e[P]。

根据e[P]对应的P和dis[P],就可确定图像的重叠值并进行拼接。在实际应用中,光线、图像边缘失真等因素会给拼接带来影响,采用下面的平滑处理可以避免因失真等出现的拼接后边界清晰现象。

图像平滑拼贴算法是指取图像重叠部分的像素值后,将像素值按一定的权值相加生成新图像。首先设定宽度为N列像素的确定匹配区域E12为过渡区域,引入渐变因子α=1/N后。拼接图像Image3由三部分组成,分别为Image1的E11、确定匹配区域E12、Image2的E22。

使用CCD(电视摄象机)在车辆平台上的光学系统中实景拍摄需要拼接的源图像,先进行左图拍摄;CCD平移时必须保证两幅图像间有重叠部分,然后略微抬高CCD镜头使得垂直方向上存在交错,进行右图拍摄并进行两图拼接,验证选定算法。(图1)



同一景深的有交叠区域的两幅图像的拼贴结果(图2所示)。

从图4发现转角图像有明显的旋转失真,在拼接交叠处存在拼接缝隙。如果拍摄图像过程中光轴的机械结构发生转动,相邻两幅图像重叠部分的坐标系下就会发生改变,当光轴转动角度的增大以后,比较匹配算法效果会慢慢变差、错误匹配不断增多,图像的准确性变得很难保证。

4.1.1.2特征提取算法研究

特征匹配是指通过分别提取两个或多个图像的特征(点、线、面等特征),对特征进行参数描述,然后运用所描述的参数来进行匹配的一种算法。

提取特征点的算子有:Moravec算子、Forstner算子和Harris算子。本文选取在各类应用中比较成熟的Harris特征点检测算子进行图像拼接。Harris角点检测算法的步骤如下:

Step1:计算图像亮度I(x,y)在点(x,y)处的梯度:

Step2:构造自相关矩阵:

其中w=exp(-(x2+y2)/2δ2)是高斯窗平滑函数。将上述公式计算式得到对称矩阵它是一个二阶实对称矩阵,必然存在两个特征值λ1和λ2。

Step3:提取特征点:如果特征值λ1和λ2是极大值时,点(x,y)是一个特征点。即行列式和矩阵M的对角线元素和满足:

其中det(M)=λ1*λ2,trace(M)=λ1+λ2,k是参数,通常取值k=0.04~0.06。

特征是图象内容最抽象的描述,与基于灰度的匹配方法相比,特征相对于几何图象和辐射度影响来说更不易变化,但特征提取方法的计算代价通常较大,并且需要一些自由参数和事先按照经验选取的阀值,因而不便于实时应用。同时,在纹理较少的图像区域提取的特征的密度通常比较稀少,使局部特征的提取比较困难。另外,基于特征的匹配方法的相似性度量也比较复杂,往往要以特征属性、启发式方法及阀方法的结合来确定度量方法。一般亮度的情况下,由经验得高斯窗口半径5-15,可以得到不影响处理速度的足够多特征点。

下面以在外场试验中实景拍摄的局部图像为例,拍摄的源图像灰度图像如图5。

在着一定的重叠区域,在重叠区域进行特征点提取。

4.2 重叠区域坐标转换

全景光学系统的焦距已知,此处设为f,柱面的坐标系统以全景系统接收CCD所处位置为圆心,以f为半径,取实际空间中一点A(x,y),则A点在采集坐标系中的坐标为(x-W/2,y-H/2,-f),其中W和H为采集到图像的宽度和长度,下面推倒出A点在柱面坐标系中的对应点A′的坐标A′(x′,y′)。

圆柱面的方程:

其中u和v可以通过原点O和A点的直线参数方程表示:

Z轴方向上参数方程为:

A点在柱面坐标系中的投影点A′的参数坐标为(u,v,w),将上述公式代入求的参数和各参数坐标的具体表达式:

要获得可以进行图像显示的柱面坐标,还需将三维坐标转化为二维坐标A′(x′,y′)

公式(17)可知,A点和A′垂直方向坐标未发生改变,同理,经过柱面坐标转换的景物垂直方向上不发生改变特征点匹配和融合拼接后的图像需要重新变换到原坐标系下,即柱面逆变换。上面的表达式可以应用在采集坐标系投影到(u,v,w)参数坐标系中,而生产一幅完整的全景图需要的另外三幅图像,应依次投影到(-u,v,w)、(-u,-v,w)、(u,-v,w)三个象限中,整个构成周视360°全景信息,每幅图像大于90°采集范围采集到的图像,则投影到相邻两个坐标系中,作为重叠区域来进行匹配和融合。

由上述的拼接算法的实验结果可以看出,对于车辆的全景成像探测方面的图像拼接,采用基于特征的拼接算法是适合的。

参考文献

[1]肖潇,杨国光.全景成像技术的现状和进展[J].浙江:浙江大学,2006.

[2]吴阳.全景图拼接技术研究[J].南京:南京理工大学,2005.

[3]崔久林.视频图像目标提取技术的研究[J].长春:长春理工大学,2005.

[4]王丽亚.图像的特征提取和分类[J].西安:西安电子科技大学,2006.

快速成像技术 篇6

关键词:三维成像载荷,三维影像,快速融合,线阵CCD,激光雷达

随着激光雷达技术的飞速发展, 基于激光雷达数据与影像数据融合的相关研究与应用也得到了广泛关注。激光雷达点云与光学影像所反映的地物属性特征完全不同, 国内外的研究学者通过开展广泛和深入的研究[1], 提出了基于灰度区域[2]、基于点集[3]、基于点或线特征等多种配准方法[4]。同时, 国内外还开展了通过硬件并兼顾前期检校的方法实现高效配准, 其中非常典型的是将扫描式激光雷达与线阵CCD相机集成构建的车载城市三维建模系统, 融合时通过前期设备检校建立的激光点云与可见光影像间的映射关系, 计算激光点对应的纹理坐标, 从而大大简化融合处理步骤[5,6]。

所述的三维成像载荷将线阵激光雷达与线阵CCD相机一体化集成, 并基于同步控制单元保证激光雷达阵列与对应CCD阵列的同时扫描成像。本系统可搭载在机载平台上, 基于前端对准关系实现激光点云数据与CCD影像的快速融合。然而在系统进行飞行任务前, 需要在地面开展一系列的检校以及成像试验, 获取各传感器参数以及多传感器间关系, 同时对载荷性能进行验证。本文基于地面试验需求, 提出了一种面向该新型三维成像载荷的地面快速融合三维成像的方法, 实现了从原始激光数据与影像到三维立体影像的解算。

1 三维成像载荷成像原理

1.1 系统成像原理

三维成像载荷包含激光雷达系统与CCD相机两类传感器, 采用线阵推扫的方式对目标扫描成像。载荷通过时间同步控制, 使得激光雷达系统与CCD相机按固定倍频关系工作, 保证在飞行方向上激光扫描行与CCD扫描行的对应关系;通过光轴对准, 使得激光探元与CCD像元一一对应, 保证在垂直于飞行方向上像点之间的对应关系。基于此工作原理, 可将采集的激光雷达数据与CCD影像快速融合, 生成三维立体影像。

在地面试验中, 将三维成像载荷固定在二维转台上, 通过转台在垂直方向上转动模拟飞行平台运动, 获得激光雷达系统纵向扫描数据与CCD成像系统的纵向图像数据。同时, 利用时间同步控制保证CCD相机与激光雷达的同步, 并控制转台同步输出旋转姿态角, 用于激光点云的解算。

1.2 坐标系

建立地面处理坐标系统, 以扫描方向为X轴方向, 各相关坐标系统定义如图1, 地面三维成像处理模型将建立在该坐标系统上。

1.2.1 激光扫描坐标系L-XYZ

原点L为激光发射参考点;X轴指向扫描方向;Z轴指向激光发射主光轴反方向;Y轴为激光线阵探测器方向, 与L-XYZ构成右手系。

1.2.2 相机空间辅助坐标系C-XYZ

原点C为CCD相机像主点;X轴指向扫描方向;Y轴为线阵探测器方向;Z轴指向目标反方向, 与L-XYZ构成右手系。

1.2.3 转台坐标系Z-XYZ

原点Z为转台转轴中心;X轴为转台左右旋转轴;Y轴为转台上下旋转轴;Z轴垂直于XY平面, 各轴指向与L-XYZ一致;Z-XYZ构成右手系。

1.2.4 全局坐标系G-XYZ

以全站仪为中心建立全局坐标系G-XYZ, X方向指向右侧, Y方向向上, Z方向指向目标反方向, G-XYZ构成右手系。

地面三维成像处理模型中激光点云坐标系转换顺序是:激光扫描坐标系 (L) →转台坐标系 (Z) 全局坐标系 (G) 。这里定义坐标轴旋转顺序为X-Y-Z轴。

2 地面快速融合处理方法

三维成像载荷的地面快速融合处理首先将采集的CCD影像数据、激光测距数据联合转台输出的姿态信息以及检校参数, 分别解算出激光雷达点云以及拼接后的影像, 再将两者进行融合, 处理流程如图2所示。首先将扫描得到的多幅线阵影像数据解包, 根据扫描方向拼接, 同时将激光测距数据解算得到激光点云数据, 最后利用时间同步信息以及像元匹配关系进行激光点云与CCD影像的快速融合, 得到三维影像。

2.1 影像拼接

由于载荷固定在二维转台上, 且仅进行垂直方向的运动, 相当于外方位元素中角元素仅ф角发生变化, 由转台转轴中心与像主点中心偏移带来的线元素的变化很小, 因此由外方位元素变化导致的内部畸变基本上可以忽略不计。在影像与激光点云融合的过程中, 可将影像作为纹理直接贴附于三维模型上。

CCD采用线阵推扫方式扫描, 采集的图像按照一定长度进行分幅记录, 在对三维场景进行融合前, 需将CCD相机采集的数据按照记录格式进行解包, 并根据扫描方向将扫描影像拼接为整幅影像, 再与激光点云进行融合。

2.2 激光点三维坐标解算

激光雷达系统采集的数据是激光点到激光发射中心的距离值, 通过实验室测试和系统检校可知激光雷达系统的各检校参数, 包括激光束的指向角、激光测距误差校正参数、激光扫描坐标系统与转台坐标系统的位置姿态关系等。再根据转台转动姿态, 便可求解出在全局坐标系下的激光点三维坐标。

如图3所示, 在激光扫描坐标系中, 激光点P的指向角为θ, 采集到的激光测距值为D'。

由检校参数知, 该激光束的测距误差加常数为k1, 乘常数为k2, 则OP长度

则P点在激光扫描坐标系中的三维坐标为:

另由检校参数知, 转台坐标系与激光坐标系之间关系, 全局坐标系与转台坐标系之间关系。在成像扫描过程中, 转台从初始时刻旋转至t时刻, 但由于转台与载荷固连, 在t时刻转台与激光坐标系之间的关系仍然不变, 则激光点解算到全局坐标系统下的模型如下。

2.2.1 激光扫描坐标系到转台坐标系转换

P点在转台坐标系下坐标为:

式中, RLZ为由, φLZ, κLZ构成的旋转矩阵。

2.2.2 转台坐标系到全局坐标系的坐标转换

P点在全局坐标系下坐标为:

式中RZG为由, φZG, κZG构成的旋转矩阵, RZZt为转台由初始t0时刻转到t时刻的旋转矩阵。由于在成像过程中, 转台不一定从零位开始旋转, 假定t0时刻转台输出的初始角度为 (h0, p0, r0) , 构成旋转矩阵RZ0, t时刻转台输出角度为 (ht, pt, rt) , 构成旋转矩阵RZt, 则有

2.3 快速融合

完成激光雷达三维点云解算后, 即得到了激光点云数据, 之后充分利用同步时间码信息以及像元间匹配关系, 将激光点云和拼接后的CCD影像进行融合处理。

三维成像载荷通过时间同步可得到同一时间轴下各激光雷达扫描行以及CCD扫描行的时间码, 根据时间码完成激光雷达数据与CCD数据在X方向的对应。同时, 根据检校得到的激光探元与CCD像元匹配关系, 完成二者在Y方向的对应, 从而找到每一个激光点在CCD影像中对应的像点坐标。

即经过激光点三维坐标解算, 得到激光雷达第i行, 第j个探元扫描的地面点坐标为 (X、Y、Z) 。对激光点云数据与CCD影像数据进行时间同步, 得到CCDTm=Li DARTi, 其中CCDTm为拼接图像中第m行的扫描时刻, Li DARTi为激光点云中第i行的扫描时刻。由检校结果知CCDn=Li DARj, 其中CCDn为图像中每行的第n个像元, Li DARj为激光点云中每行的第j个点。则地面点 (X、Y、Z) 对应的CCD像元为 (m, n) 。

将激光点云构建三角网, 将对应的CCD像点作为纹理坐标进行融合, 得到融合后的三维影像。

3 试验结果与分析

地面成像试验将三维成像载荷放置在转台上, 对约300 m处建筑物进行扫描成像, 采集得到激光雷达数据以及CCD影像数据, 原始数据如图4、图5所示。采用本文所述方法对采集数据进行融合, 得到成像目标区的三维影像。

在Visual C++环境下开发三维成像载荷地面数据融合程序, 使用该程序将CCD影像进行拼接, 得到如图6 (a) 所示结果, 基于检校参数对激光雷达数据进行处理, 得到激光点云数据如图6 (b) 所示。点云数据采用距离赋色, 离设备中心近处为红色, 远处为蓝色。图7是对CCD影像和激光点云数据进行融合处理后的结果。

从融合结果来看, 该方法能有效的将激光雷达数据与CCD影像数据进行快速融合, CCD影像中建筑物边缘与点云中的建筑物边缘可以很好的吻合, 这是因为三维成像载荷在硬件设计方面保证了激光探元与CCD像元之间的固定关系, 同时在前期检校过程中, 充分考虑了激光雷达传感器与CCD传感器之间的偏心关系以及时间延迟误差, 基于高精度快速三维成像载荷地面检校系统获得了相关检校参数, 保证了激光点云与CCD影像之间的配准精度。

地面成像试验中, 将载荷放置在转台上进行扫描成像, 相对于飞行平台来说, 转台非常稳定, 扫描出的CCD影像可直接用于融合。对于飞行试验采集的数据, 应结合GPS/IMU数据, 在匹配融合处理中对CCD影像进行几何纠正, 消除CCD影像的几何畸变。

4 结束语

针对三维成像载荷这一新型载荷, 研究了其地面试验时的数据快速融合方法, 对关键步骤进行了阐述, 通过试验表明:采用本文提出的激光雷达数据与线阵CCD影像数据融合方法是可行的, 适合于该类载荷各种地面试验数据的快速处理;同时证明了该类型载荷快速融合三维成像的的能力, 其载荷设计与前期检校可充分保证激光探元与CCD像元之间的匹配精度, 且不受地形变化等外界因素的影响, 可快速生成三维影像。

参考文献

[1] 张帆, 黄先锋, 李德仁.激光扫描与光学影像数据配准的研究进展.测绘通报, 2008;2:7—10Zhang F, Huang X F, Li D R.A review of registration of laser scanner data and optical image.Bulletin of Surveying and Mapping, 2008;2 :7—10

[2] 王晏民, 胡春梅.一种地面激光雷达点云与纹理影像文件配准方法.测绘学报, 2012;41 (2) :266—272Wang Y M, Hu C M.A robust registration method for terrestrial LiDAR point clouds and texture image.Acta Geodaetica et Cartographica Sinica, 2012;41 (2) :266—272

[3] Besl P J, Mc Kay N D.A method for registration of 3-D shapes.IEEE Transactions on Pattern Analysis and Machine Intelligence, 1992;14 (2) :239—256

[4] Habib A, Ghanma M, Morgan M, et al.Photogrammetric and LIDAR data registration using linear features.Photogrammetric Engineering and Remote Sensing, 2005;71 (6) :699—707

[5] 杨长强, 叶泽田, 钟若飞.基于时空匹配的车载激光点云与CCD线阵图像的融合.测绘科学, 2010;35 (2) :32—33Yang C Q, Ye Z T, Zhong R F.Integration for vehicle-borne laser point cloud and CCD image by time and space match.Science of Surveying and Mapping, 2010;35 (2) :32—33

快速成像技术 篇7

MRI是利用磁共振现象从人体中获得电磁信号,产生二维或三维结构的断层图像,并重建出人体信息的一种成像技术。磁共振血管成像(magnetic resonance angiography,MRA)[1]是MRI的常规技术之一,利用液体流动效应,采用时间飞跃或者相位对比法,不用对比剂,即能整体显示血管和血流信号特征信息。对于脑血管病变,MRI只能显示脑组织基本结构缺血和出血引起的改变,却不能确定病变的范围和程度;而MRA可以显示动态对比影像,从而确定血管狭窄与闭塞的准确部位[1]。MRI和MRA都具有对人体无损伤、无游离辐射、较好的分辨率、可以自由选择所需的任何剖面等优点[2],因而逐步成为疾病检查的常规手段。但是MRI和MRA也具有采集图像时间长、图像空间分辨率低、图像序列随患者移动和呼吸而产生伪影等缺点,因此,缩短成像时间、提高成像效率和减少图像伪影已成为制约MRI和MRA广泛应用的重要因素。

最早,由Candes、Donoho和Tao等人提出的压缩感知(compressed sensing,CS)理论指出:对于具有可压缩性或者在某个变换域上具有稀疏性的信号,设计与变换基不相关的测量矩阵来对其进行测量,再通过求解最优化问题重构出原始信号[3,4,5]。在MRI领域,扫描仪器采集的并不是原始图像像素,而是由全局傅里叶变换得到的频域图像,每一个频域像素都是时域像素的线性组合,即频域图像包含原始图像的所有信息[6,7,8,9]。因此,保留部分重要的采集数据并不会导致原始图像信息的缺失。Lustig等[10]最先将压缩感知理论应用于MRI成像领域(简称CS-MRI),并提出Sparse MRI的相关算法,通过K空间部分数据成功重构出原始图像,并加快了MRI成像速度。对于在磁共振血管造影术中,动态对比影像会呈现出更多重要的医学诊断信息,因此,将CS应用于MRA中,可以提高时域、频域分辨率,使临床医师对人体内部病变部位的观察更直接、更清晰,提高确诊率。

本文综述和归纳基于压缩感知理论的磁共振血管快速成像技术(CS-MRA)的研究进展,其核心思想是:MRA图像采用离散傅里叶标准正交基进行稀疏表示,然后对K空间数据进行随机欠采样,最后通过非线性重构算法重构出二维图像。

1 压缩感知基本理论

CS基本理论[11,12]包括稀疏表达、随机测量和重构算法3 个方面,相互关系如图1 所示。

(1)如果一个N维图像m在 Ψ= Ψ1,Ψ2,…,Ψn下具有稀疏性,即

式中:Θ=[θ1,θ2,…,θK]T(K<<N)为图像m在 Ψ 中的非零系数;Ψ 为稀疏变换

(2)通过Fu∈CM,N(M<<N)将图像m投影到低维空间上,得到M维的测量值y∈RM,即

(3)图像m可以由K空间测量值y通过求解约束优化问题精确重构,即

式中:||·||1为向量的l1范数,定义为通过稀疏变换 Ψ 对m进行稀疏表示;不等式||Fum-y||2<ε 约束K空间数据的一致性,Fu为傅里叶变换欠采样矩阵,ε 为测量值重构的保真度。

在实际MRI成像应用中,原始图像m并不存在,只有通过相关算法将K空间欠采样数据恢复出的图像近似原始图像。目前进行理论研究时,均以K空间完整采样图像作为原始图像或称金标准。

由于矩阵Fu的行数远小于列数,从M维测量值y中重构出N维图像是一个欠定问题,有无穷多解[13]。因此,采用合适的恢复算法从图像的不完备测量集中重构出原始图像,是压缩感知理论研究的重要问题。

1.1 稀疏表达

压缩感知理论应用前提是信号的稀疏性,对于自然界不稀疏的信号通过某些域变换,绝大多数变换系数接近于零,而只有少量变换系数绝对值较大,同样可以认为信号是稀疏的[14,15]。因此,只有选择合适的变换域,信号才能保证稀疏度,从而保证恢复精度。

稀疏表达即构造具有稀疏表示能力的基或者设计过完备字典,其目的是希望信号非零元素个数足够少, 即令过完备字典足够稀疏以确保信号或图像“少采样”[16]。图像表示越稀疏,则重构图像所需要的采样点数越少[17]。目前,常用的信号稀疏表示方法有:(1)对信号的Fourier变换(傅里叶变换)、小波变换、Gabor变换(加窗傅里叶变换)等;(2)多尺度几何分析也为一些特殊形态提供了最稀疏的表示, 如Ridgelet变换(脊波变换)[18]、Curvelet变换(曲波变换)[19]、Bandelet变换(条状波变换)[20]、Contourlet变换(轮廓波变换)[21]等。

1.2 随机测量

构造的Fu要求图像从m转换至y的过程中获取的K个测量值能够保留原始信号的全部信息, 从而保证信号精确重构。Candes等[19]指出Fu需要满足约束等距条件(restricted isometry property,RIP),即对于,如果Fu的约束等距常数满足 δ2K+δ3K<1,则能够从K·ln(N/M)个测量值中精确恢复出原始图像。其中约束等距常数 δK的含义如下。

对于矩阵Fu∈CM,N(M<<N)和所有K稀疏图像,满足

的最小数值 δK定义为矩阵Fu的约束等距常数(restricted isometry constant)。如果 δK∈(0,1),则认为矩阵Fu满足K阶约束等距性[22]。

测量矩阵按照矩阵元素是否是随机值,大致分为如下2 类[23]:

(1)随机观测矩阵。它与绝大多数稀疏信号不相关,精确重构需要的测量数较小。但随机观测矩阵具有不确定性,需要多次求平均来消除,不仅增加了计算复杂度,同时在硬件电路中也难以实现。其中,高斯随机矩阵服从N(0,1/N)的正态分布,具有普适性,但在硬件电路中也难以实现。而伯努利观测矩阵服从对称伯努利分布,图像在K≤C·M/ln(N/M)时,准确重构概率较大,且收敛速度快。一致球矩阵指矩阵的列在N维单位球面上独立且均匀分布,在测量次数M=O(K·ln N)时,信号能以较大概率准确重构。此外还有部分傅里叶矩阵、亚高斯随机矩阵[24]和部分哈达玛矩阵,分别由相应的M×N正交矩阵中随机抽取m行,再对每一列归一化得到。

(2)确定性观测矩阵。相对于随机观测矩阵而言,确定性观测矩阵精确重构需要的测量次数较多。其中,Toeplitz矩阵以及循环矩阵[25]适用于高维信号,在K≤C·M3/ln(N/M)时,可以较大概率满足RIP获得快速算法。Li等[26]构造了分块多项式确定性矩阵,即先构造出尺寸较小的矩阵块Fb,再将这些矩阵块组合成矩阵Fu,构造时间短且硬件容易实现,但随着分块数增多,重构效果会降低。Shi等[27]从理论上证明了Hashing观测矩阵的RIP定理,并利用Hashing观测矩阵进行人脸识别。Song等[28]提出一种全局收敛的方法,可以获得满足重构概率约束的更少伯努利观测,避免了估测信号稀疏度的难题。

1.3 重构算法

图像重构[29]是指运用压缩测量的低维数据,精确重构出高维的原始图像,即利用M维测量值重构出N维图像的过程(M≤N),其研究热点在于如何构造计算复杂度低、稳定性好、对观测数据要求较少的重构算法。最初,由Candes提出通过求解l0范数来解决这个问题,但这是个NP-hard问题,即当N很大时,数值计算无法有效实现,且抗噪能力很差。在一定条件下,l0范数等价于l1范数,可以得到近似解。目前所提出的重构算法,大致分为贪婪算法和凸优化算法2 类。

贪婪算法可求解l0范数最优化问题,通过每次迭代选择局部最优解来逐步逼近原始图像[30,31,32]。最早由Mallat等[33]提出的匹配追踪算法(matching pursuit,MP),核心思想是每次从 Θ 中选择与当前残差最相关的列,进行局部最优化来寻求观测向量的非零系数。随后,正交匹配追踪算法(orthogonal matching pursuit,OMP)[26]克服了MP的次优化问题,保证迭代的最优性,减少迭代次数。分段正交匹配追踪算法(stagewise orthogonal matching pursuit,St OMP)采用分阶段的思想,从原子集合中选择和迭代余量匹配原子。正则化正交匹配追踪算法(regularized orthogonal matching pursuit,ROMP)[34]对所有稀疏信号和所有满足RIP的矩阵都可准确重构。子空间追踪算法(subspace pursuit,SP)[35]和压缩采样匹配追踪算法(compressive sampling matching pursuit,Co Sa MP)[36]都运用回溯筛选思想,在每次迭代前先建立一个候选集,从中舍弃无用原子,形成最终的支撑集。然而,这些算法都要求在稀疏度K已知的基础上,但实际应用时K往往未知,由此出现了稀疏度自适应匹配追踪算法(subpuist adaptive matching pursuit,SAMP)[37],它在未知的情况下通过一个可变步长,逐步对稀疏度进行估计,获得较好的重构效果,收敛速度也远快于OMP。基于ROMP和SAMP的突出优势,又提出了正则化自适应匹配追踪算法(regularized adaptive matching pursuit,RAMP)[38],在迭代中自动调整所选原子的数目,同时也克服了正则化过程在稀疏度问题上的局限性。

凸优化算法是针对最小化l1范数提出的线性规划方法。典型的凸优化算法是基追踪算法(basis pursuit,BP)[39]求全局最优解,重构信号精度较高,但是实际应用中存在2 个明显问题:(1)当压缩测量个数M≥CK、C≈ln(N/K)时,计算复杂度为O(N3);(2)当信号含有噪声时,BP算法重构性能大大降低[40]。针对这些问题,孙林慧等[41]提出了自适应基追踪去噪方法,依照原含噪信号的信噪比自适应选择重构的最佳参数,提高信噪比。内点法(interior point methods)[42]速度较慢但是结果比较准确。梯度投影算法(gradient projection for sparse reconstruction,GPSR)[43]是对含噪信号的l1正则化非线性凸优化问题,转化为有边界约束的二次规划问题,重构精度较高,但是收敛速度较慢,准确性不如内点法。但是,对于二阶算法,内点法计算复杂度高,不易用于大规模问题,而目前所提出的一阶算法也存在不足,如重构精确度不够和难于处理大动态范围信号等,Becker等[44]针对这些问题,提出了一种既可以求解约束问题也可以求解无约束问题的Nesta算法(Nesterov’s algorithm)。它计算快速且简单,也可平滑一些不光滑的函数便于求解,提高了图像重构的精确度。

2 CS-MRA的应用进展

实际上,大多数MRA图像在适当的稀疏变换域中都是稀疏的。目前,对于二维或三维医学图像,小波变换、有限差分域变换或者全变差变换均有良好的重构效果。针对MRA图像,Dong等[45]提出了拉普拉斯算子,它基于二阶变量,重构MRA图像的效果要优于全变差变换,且对噪声更加敏感。Huang等[46]提出一种基于非局部全变差的快速合成分割算法(nonlocal total variation-fast composite spliting algorithm,NLTV -FCSA), 用NLTV替代全变差(total variation,TV),有效解决了l1范数和TV正则化难于求解最优化的问题,同时也有效避免块效应和去除伪影,降低计算复杂度,提高重构图像的质量。由于CS-MRA采样的大部分能量聚集于K空间中心周围,Vellagoundar等[47]使用先验知识估计K空间的能量分布,通过概率密度函数去分布采样轨迹,抽样采取能量聚集信号,实验结果证实仅需要38%的K空间数据就可以重构MRA图像,其中22%的高能量中心数据被完全重构,而且压缩重构图像与完全采样图像良好匹配。Liu等[48]提出运用快速小波编码MRA图像,以低于奈奎斯特采样速率重构图像,小波树结构在K空间中可以缓解约束等距性的不变性,同时也减少采集不必要的测量数据,提高重构效率。李国燕等[49]利用离散剪切波对尺度参数和剪切参数进行离散化,对MRA图像进行稀疏化处理,与小波变换重构图像相比,当采样率较低时,基于离散剪切波变换重构的质量明显高于基于小波变换重构的质量。杨晓梅等[50]提出一种利用MRA图像非满秩的特点,采用奇异值分解压缩大量数据,重构效果较好,算法速度明显提高。

Lustig等[10]在Sparse MRI算法基础上提出一种基于压缩感知的自适应正则化重构算法。首先,采用非线性共轭梯度下降算法来求取最优化问题;然后,在迭代过程中使用全局正则化和局部正则化相结合的方法来自适应地修改正则化参数。这样可在局部噪声方差大的区域采用数值较大的局部正则化参数来平滑噪声,而在局部噪声方差小的区域采用数值较小的局部正则化参数便于边缘恢复。对于定义在大量数据集合上非光滑函数的最小化问题,杨晓兰等[51]运用 β 范数近似逼近l1范数的思想,提出Bregman迭代正则化方法,通过该算法仅需要40%的采样数据几乎可以精确重构原始图像,然而该方法缺乏理论分析,未能对其收敛速度进行系统分析。Zhang等[52]针对缩短MRI图像扫描时间和提高峰值信噪比的目的,提出一种非线性共轭梯度算法,实验证实,该算法仅需60%的K空间数据就可以重构图像。Yu等[53]通过仿真对不同的非线性重构算法从图像重构质量和重构时间角度比较得出:St OMP算法重构图像质量较高,而GPSR算法重构时间较短,更适合呼吸功能或者心脏跳动等动态成像的快速成像。李青等[54]提出了基于奇异值分解的软阈值迭代算法,并用近似lp(0<p<1)范数的一阶范数对MRA图像重建问题进行优化,消除了由K空间采样所带来的伪影,且该算法重构效果好、自由参数少。李本星等[55]提出了基于迫近算子的前向后向分裂算法,用于求解CSMRA重构模型,运行速度显著提高,并且可由极少量K空间数据重构出高质量的MRI图像,但是该算法对K空间数据中的高斯噪声不敏感,对迭代初值也没有显著的依赖性。

此外,Konar A S等提出了感兴趣区域压缩感知(region of interest compressed sensing,ROICS)技术,该技术重构MRA图像质量优于传统CS技术,不仅可以减少采样数据,加快采样时间,还可以提高动脉血管区域的可视化。Zhang等[56]提出了User-guided CS-MRA技术,可以减轻血管在ROI区域的对比度,从而有效地改善低对比度血管在高采样率下的可视化,为临床医师提供更多的医学诊断信息。Ravishankar等[57]针对传统的盲压缩感知(blind compressed sensing,BCS)技术不能很好保证重构算法的收敛性,提出了改进的BCS技术,不仅可以有效改善图像重构质量,也可以很好地保证重构算法的收敛性。

最近,Pejoski等[58]提出一种快速离散不可分离剪切波变换迭代软阈值重构算法(fast discrete nonseparable shearlet transform iterative soft thresholding reconstruction algorithm,FNSISTRA),利用离散不可分离剪切波变换对MRI图像进行稀疏化处理,在各种尺度和方向上能够接近最优地表示富含方向信息的图像,具有较好的方向敏感性,并采用快速迭代软阈值重构算法作为压缩感知重构算法,实验表明,重构图像质量较好,当迭代次数为k时,其收敛率为O(1/k2)。Liu等[59]为了解决紧框架的CS-MRI问题,提出了投影快速迭代软阈值算法(projected fast iterative soft thresholding algorithm,p FISTA),与平滑快速迭代软阈值算法(smoothing fast iterative soft thresholding algorithm,SFISTA)相比,重构误差小且收敛速度快,同时p FISTA算法的重构误差与步长参数无关,允许MRI在不同的紧框架中使用。

3 CS-MRA的开源软件

目前,对于CS -MRA的开源软件主要包括Sparco[60]、Spgl(Spectral Projected Gradient for L1 minimization)[61]、Nesta[62]和SMALL(sparse models algori -thms and learning for large-scale data)box[63]。其中:Sparco可以用于测试重构算法,全程运行在Matlab环境中,也可以作为公共自由的开源软件;Spgl用于解决CS非线性重构的BP问题,也可以作为重构算法的工具,适用于在复杂域解决稀疏基问题;Nesta本身是一阶快速鲁棒算法,主要解决BP问题和一些拓展性问题(如全变差去噪),对一阶重构算法加快收敛并给出最佳收敛率,同时运用平滑技术对l1范数的不平滑进行处理;SMALL box是一种对稀疏表示和字典学习的开源Matlab工具箱,利用自适应稀疏表示对信号进行处理,同时也能提供一些简单方法在各类标准信号去评估,也可用于将模型中存在的问题、字典学习算法和稀疏解决者之间的衔接

4 总结及展望

本文首先对压缩感知的基本理论进行阐述,然后结合近3 a来的国内外相关文献,对基于压缩感知的磁共振血管快速成像的研究进展进行综述,重点介绍CS-MRA重构算法。与传统MRA成像手段相比,CS-MRA技术不仅可加快成像速度,还能有效减少伪影。

当然,CS-MRA的研究方兴未艾,今后的研究方向和研究热点主要包括以下几个方面。

(1)对CS-MRA的重构效果进行客观有效的定量分析。除峰值信噪比(peak signal-to-noise ratio,PSNR)和均方误差(mean squared error,MSE)作为常用评价指标之外,现已提出了其他一些指标分析参数,如噪声放大因数(noise amplification factor,NAfactor)对重构图像进行噪声分析,当NA-factor<1时,表明图像重构能有效抑制噪声,否则需要其他去噪算法来改善图像质量[64]。此外,结构化相似度(structural similarity,SSIM)[47]也是一种衡量2 幅图像相似度的评价指标,其值越大越好,最大为1。Akcakaya提出相对信噪比(relative signal noise ratio,r SNR)[65],用于对叠加高斯噪声的重构图像进行噪声分析,并有效改善冠状动脉MRI成像质量问题。目前,针对脑部MRA图像,已有文献提出了很多对重构图像进行质量分析的指标,但它们对于身体其他部位的MRA图像的适用性和有效性还有待进一步检验和评价。

(2)针对亟待解决的缩短MRI成像时间问题,提出更多改进CS-MRA重构算法,如:多通道图像采集,利用加权最小l1范数算法重构MRA图像;使用多核处理器或者图形处理器(graphic processing unit,GPU)并行处理MRA图像,缩短成像时间;以及Cukur等[66]提出将非线性重构算法与信号补偿技术相结合,通过对重构图像进行补偿和后处理,不仅能提高图像对比度和分辨率,还能提高磁化设备的成像效率。

(3)针对临床医师的诊断需要,在实际应用中还有很多问题待解决,例如对感兴趣区域位置、大小的选择,低对比度血管的重构以及不同部位、不同方式MRA图像的重构及处理等。

摘要:为了改善MRI和磁共振血管成像(magnetic resonance angiography,MRA)在临床应用中成像时间长和存在伪影的缺点,将压缩感知(compressed sensing,CS)引入磁共振血管成像(简称CS-MRA)中,不仅加快了成像速度,而且重构得到的图像质量并不逊于完整采样的图像。本文结合近3 a来的国内外相关文献,对CS-MRA最新成果进行了概述,并重点介绍了CS-MRA的诸多重构算法;指出了CS-MRA典型的开源软件工具及其特点;最后总结了CS-MRA相关研究的不足之处,并分析了CS-MRA的发展趋势。

快速成像技术 篇8

医学超声成像技术与X射线计算机断层扫描成像 (X-ray Computed Tomography, X-CT) 、磁共振成像 (Magnetic Resonance Imaging, MRI) 以及核医学成像技术 (PET、SPECT) 已被公认为现代四大医学影像技术, 成为现代医学影像中不可或缺的一部分。与其他医学影像技术相比, 医学超声成像具有实时性好、无电离辐射、成本低等优点, 而且更适合对各类软组织的病理变化进行观察, 并能对乳腺、睾丸、甲状腺等小器官进行全面扫描, 因此在医学领域中得到了越来越广泛的应用。

然而, 由于超声探头的宽度和扫描角度的限制, 传统的实时超声诊断系统无法生成被观察组织的整体图像, 这必然影响诊断的准确性和快速性。虽然一些三维超声成像技术能够提供扩展视野的图像, 但其需要更多的硬件开销[1]和很长的重建时间[2]。因此, 基于传统B超图像的超声宽景成像技术应运而生。

超声宽景成像技术是1996 年由Weng和Tirumalai[3,4]首先提出来的 (下称“Weng方法”) 。其原理为:用B超探头在被观察组织的表面沿一定方向缓慢移动, 获得一系列具有重叠区域的B超图像, 然后利用图像配准与拼接技术生成具有扩展视野的宽景图像, 在同一幅图像上显示整个组织或结构, 方便医生诊断。随着计算机技术地快速发展, 超声宽景成像技术已在临床诊断方面获得了非常广泛的应用。

图像配准是超声宽景成像系统的关键技术, 配准的成功与否直接影响到宽景图像能否准确生成, 配准的准确度还会影响宽景图像的成像质量。Weng方法使用基于多模板的配准技术, 其模板选择示意图, 见图1。

该方法是将待配准图像被分割成许多小块 (称为模板) , 选择出来的模板在固定图像中找到相应的匹配位置, 然后用最小二乘等方法完成2 张图的全局配准。然而, 虽然大量模板的使用使配准过程更加稳定, 但在实际的超声图像中可能会存在若干全黑或全白的区域, 这些区域是没有意义的, 而且, 大量模板的使用会影响成像速度。于是, Zheng等人[5]采用基于模板选择的快速配准算法对之进行改良, 利用图像特征筛选出若干有效模板进行配准。该方法具有准确度高、实时性好的特点。但是, 在配准图像之间的旋转角度较小的情况下才能取得比较好的效果。当探头的移动轨迹存在较大角度的旋转时, 容易产生较大的配准误差, 从而降低成像质量。针对这种情况, 陈等[6]提出了一种基于FFT的配准算法, 能够在存在较大角度旋转的情况下对图像进行准确配准。但该方法的时间复杂度较高, 而且并非每次图像配准都存在较大角度的旋转。因此, 单独使用该方法无法满足临床应用的实时性要求。

针对以上问题, 本文提出了一种根据配准图像之间的旋转角度大小来选择不同配准算法的超声宽景成像新方法。首先, 使用基于模板选择的快速配准算法进行快速配准, 当存在较大角度的旋转时 (以模板配准结果的标准差作为旋转角度大小的度量) , 改用基于FFT的配准算法进行配准, 实现快速、准确地成像

1 算法介绍

1.1 基于模板选择的快速配准算法

该算法使用少量模板完成了快速、准确的图像配准, 但该算法只适用于旋转角度非常小的情况。该算法的详细介绍如下:

1.1.1 提取特征图像

由于超声图像中存在很多的斑点噪声, 使用原始图像进行配准的鲁棒性不是很高, 为了提高配准的准确度, 我们对图像进行特征提取, 以突出有用信息。在我们前期的工作中[7], 为了获得特征图像, 先从原始超声图像中提取2个简单的特征:梯度幅值和灰度。它们具有计算量小, 且能突出有用信息, 符合快速、准确配置要求。其加权表示像素的重要性定义如下:

式中, im (x, y) 、int (x, y) 和gra (x, y) 分别表示像素 (x, y) 的重要性值、亮度和梯度, w表示权值 (本文设为2.0) 。

1.1.2 提取特征点

在特征图像中, 每个像素值代表了该像素的重要性, 像素值越大说明该像素越重要。这些重要的点一般处于明显的边缘和纹理部分, 能突出视觉上的信息。为了确定像素的重要性, 本文定义了一个阈值Tf, 把特征图像中像素值≤ Tf的像素归类为特征点, 放入特征点集 (LP) 中。

特征点的选择只发生在待配准图像中。其中, 需要注意Tf值的设置:Tf值过大, 选出来的特征点就比较少, 可能会不足以完成配准;相反, Tf值过小, 选出来的特征点就不是那么重要, 没有代表性。在本文中, 借鉴以往经验, 将Tf设置为36。

1.1.3 选取有效模板

基于模板的配准算法, 是从待配准图像中选取一定数量的模板, 在固定图像中搜索每个模板的匹配位置, 最后根据各匹配模板对计算出固定图像和待配准图像的全局配准结果。如前所述, 模板并不是越多越好。在我们前期的工作中, 根据模板包含的特征点数目判断该模板的有效性 (包含的特征点越多该模板越有效) , 在待配准图像中搜索最有效的模板进行配准, 并取得了很好的效果。因此, 本文沿用这种方法选取有效模板。

在搜索有效模板之前, 应先确定搜索范围。显然, 搜索范围应定位在固定图像和待配准图像的重叠区域中。由于配准图像之间的平移是很小的, 所以重叠区域会很大, 几乎是整张图;又由于图像顶部是被观察组织的表皮, 这部分容易在探头扫描的时候受到压缩导致变形, 因此噪声比较大, 应去除这部分。最后, 所得搜索范围, 见图2。具体搜索流程, 见图3。

每一次都从剩下的搜索区域内寻找最有效 (所包含特征点最多) 的模板, 直到模板数达到要求或者搜索到的最有效模板的特征点数< 1 则结束搜索。接受模板后, 应删除该模板及其周围区域 (根据以往经验, 删除区域为模板大小的1.5 倍为宜) , 避免该区域被再次选中。模板数 (Nb) 可根据不同要求进行设定, 一般Nb≥ 5, 模板越多配准的稳定性越好, 但同时速度也越慢。在本文中, 我们设定模板的大小为搜索范围的10%。

1.1.4 模板配准

模板配准的过程是找到每个有效模板在固定图像中的最佳匹配模板, 然后计算出它们之间的相对位移。所以, 需要先在固定图像中搜索出各有效模板的最佳匹配模板。绝对误差和 (SAD) 是目前速度最快的模板相似性检测算法, 本文选择SAD作为模板匹配程度的度量, 符合实时性的要求。SAD的计算公式如下:

式中, A和B代表2 个待匹配模板, (x, y) 是模板像素的位置坐标。

由于配准图像之间的相对位移 (Δx, Δy) 是很小的, 故搜索范围可以定位在固定图像中的一个较小区域内, 而不用在整张图中进行搜索, 见图4。如果在这个较小的搜索范围中, 固定图像中的模板A与待配准图像中的有效模板B取得最小的SAD值, 那么, 模板A就是模板B的最佳匹配模板。

一般, 配准图像之间的关系属于刚体变换模型, 匹配模板之间的关系也属于刚体变换模型。本文采用近似 (即旋转角度 θ 近似为0) 的刚体变换模型对各有效模板进行配准, 然后用所有模板配准结果的标准差判断配准图像之间是否存在较大角度的旋转 (旋转角度越大标准差越大[5]) 。近似的刚体变换模型如下:

式中, (x, y) 为待配准图像中有效模板的中心像素, (x’, y’) 为固定图像中对应最佳匹配模板的中心像素, (Δx, Δy) 分别为在水平方向和垂直方向上的相对平移。

1.1.5 基于差异消除法的误差纠正

在图像采集过程中, 由于探头的挤压以及组织本身的运动, 采集到的图像会有一些局部的变形, 用在这些变形区域选择出来的模板进行配准, 会降低配准的准确度。然而, 变形区域只是图像中的一小部分, 大部分模板的配准结果都是可靠的。因此, 可以根据模板配准结果之间的差别去除那些选自变形区域的模板:假如一个模板的配准结果跟其他模板的配准结果差别很大, 则去除该模板。我们称这种方法为差异消除法[5], 具体步骤为:

(1) 对所有Nb个有效模板, 计算它们的配准结果 (Rb (i) , i=1.... Nb) 的均值 (Ar) 和标准差 (SDr) :

(2) 将Ar粗略地看成全局配准结果的期望。因此, 我们可以用Ar作为衡量模板配准结果准确性的粗略标准。对于各有效模板的配准结果, 若

即Rb (i) 与Ar之间的距离大于SDr, 则认为第i个有效模板的配准结果是不准确的, 必须去除该模板。

(3) 剩下的模板的配准结果是可靠的, 需要保留下来。

1.1.6 全局配准

全局配准的目的是得到配准图像之间的全局配准参数, 为图像拼接提供依据。在超声宽景成像中, 相邻图像之间的变换模型一般是基于刚体变换的。该模型包含2 个平移变量 (Δxg和 Δyg) 和一个旋转变量 (θ) , 如下式:

式中, (x, y) 为待配准图像的像素位置, (x’, y’) 为固定图像的相应像素位置。

配准图像之间的全局配准参数可采用最小二乘法, 由各误差纠正后的有效模板的局部匹配结果计算求得。根据上述公式, 可得求解 (Δxg, Δyg, θ) 的计算公式如下:

式中, N为模板数。

至此, 就完成了2 幅图像之间的配准过程。然而, 此方法只适用于配准图像之间的旋转角度很小的情况。

1.2 基于FFT的配准算法

针对配准图像之间存在较大角度的旋转的情况, Chen YL和Cao SK提出了一种基于FFT的配准算法。我们也在本文中采用该算法。该算法包括2 个步骤:

(1) 求出旋转角度 θ。在该算法中, 假定图像之间只存在旋转运动和平移运动, 变换关系可以用旋转参数 (θ) 和平移参数 (x0, y0) 表示:

令F1 (ε, η) 和F2 (ε, η) 分别为f1 (x, y) 和f2 (x, y) 的傅里叶变换, 则有:

令M1 (ε, η) 和M2 (ε, η) 分别为F1 (ε, η) 和F2 (ε, η) 的模, 即二维图像f1 (x, y) 和f2 (x, y) 的频谱幅度, 则有:

又令ε=ρcosθ, η=ρcosθ, 将M1 (ε, η) 和M2 (ε, η) 从直角坐标系转换到极坐标系, 有:

即M1 (ε, η) 和M2 (ε, η) 之间在 β 坐标方向上有个相对平移 θ。再将M1 (ε, η) 和M2 (ε, η) 沿 ρ 坐标方向进行累加, 获得一维累加信号g1 (β) 和g2 (β) 。有:

令G1 (ω) 和G2 (ω) 分别为g1 (β) 和g2 (β) 的傅里叶变换, ω 代表离散傅里叶变换的频率, 则有:

即, 可以看出θ可通过求的傅里叶反变换求得。即可通过求求得旋转角度θ, F-1表示傅里叶变换的反变换, 丨丨表示取模。

(2) 求得旋转角度 θ 后, 将待配准图像反旋转 θ 角, 得到一幅与固定图像之间无旋转的图像, 再采用单模板配准算法[8]将反旋转后的图像与固定图像进行配准, 获得水平方向平移 (Δx) 和垂直方向平移 (Δy) 。最后, 即得到全局的配准参数 (Δx, Δy, θ) 。

1.3 本文研究方法

进行医学超声宽景成像时, 需要先用B型超声探头沿着组织表面移动, 采集一系列连续的B超图像, 然后用图像配准和拼接技术, 将相邻的图像一帧帧地拼接成一张宽视野的大图。在实时的数据采集中, 探头需要沿着水平方向很缓慢地移动, 从而采集到的图像数量是很大的, 并且图像之间的重叠区域很大、相对平移很小。假如对每一帧图像进行配准和拼接, 计算量将会非常大。为了加快成像速度, 在我们前期的工作中, 通过估计图像采集时探头的移动速度确定采样间隔 (FI) , 对采集到的图像序列进行采样, 只选择其中的某些帧进行配准, 取得了很好的效果。然而, 由于有些组织表面存在一定的旋转弧度, 导致采集的图像之间会存在一定的角度旋转, 特别是当相隔多帧时, 旋转会比较明显, 如果用[5]基于模板选择的快速配准算法进行配准, 误差会比较大。针对这个问题, 本文在使用的配准算法配准图像的同时, 估计图像之间的旋转角度, 假如该角度较大, 则采用基于FFT的配准算法进行配准。这样, 既能达到快速成像的目的, 又能保证配准图像之间存在较大角度的旋转时的配准准确度。

在本文中, 我们采用基于模板选择的快速配准算法中的模板配准结果的标准差判断配准图像之间是否存在较大角度的旋转, 具体原理可查阅有关文献[5]。本文方法流程, 见图5。

(1) 每相隔FI帧对图像序列进行配准的同时, 计算有效模板配准结果的标准差SDblock:

式中, Ablock是有效模板配准结果的均值。需要注意的是, 这里的有效模板是指用差异消除法去除配准结果不好的模板后, 剩下的所有有效模板。

很明显, 若配准图像之间完全没有旋转, 则每个模板的配准结果是基本相同的, 此时, SDblock接近0。而当图像存在旋转时, 由于每个模板的中心坐标不同, 每个模板的平移是不同的, 且旋转角度越大, 该差别会越大, 即SDblock也会越大。因此, 可以用SDblock作为旋转角度大小的一个度量。

(2) 当SDblock大于某个阈值TSD时, 我们认为配准图像之间存在较大角度的旋转, 改用基于FFT的配准算法对该两帧图像进行配准;否则, 继续使用基于模板选择的快速配准算法。根据以往文献经验, TSD设为10。

2 实验结果及分析

为了测量本文研究方法的成像准确度, 我们制作了一个实验装置, 见图6。

在一个塑料盒子中固定3 个塑料棒子, 塑料棒子的直径为10 mm, 且棒子之间的距离和角度是已知的 (分别为112.5 mm、111.0 mm、200.0 mm, 棒子1~2 和2~3 之间的夹角为127.0°) , 以此作为距离和角度的测量标准和测量宽景成像的准确度。在实验中, 3 个棒子嵌入到一块猪肉中, 用B型超声探头在猪肉上表面采集一系列图像数据 (设为图像序列A, 其帧数为1080) , 用于宽景成像

在实验中, 我们将模板数 (Nb) 设为10, 并将该方法在配置为3.0 GHz CPU、2 GB RAM的标准计算机中用C语言实现;估算的探头移动速度为2.436 (像素/ 帧) , 计算出的采样间隔为12 帧。

使用Weng的方法、本文研究方法、Zheng的方法所生成的宽景图, 见图7 中的 (a) 、 (b) 、 (c) 。不同方法的配准计算时间, 见表1。由表1 可知, 本文方法的计算时间约为Zheng方法的1.5 倍, 这是因为我们加入了基于FFT的配准算法以提高准确度。同时可知, Weng方法的计算时间约为本文方法的15 倍, 显示了本文研究方法的快速性。

3 种方法所生成的宽景图中1~2~3 棒子的夹角误差及1~2、2~3、1~3 棒子的距离误差, 见表2。可以看出Weng方法在距离方面的准确度优于其他方法, 这是因为该方法使用了图像序列的每一帧图像和大量的模板对于角度方面的准确度, 本文研究方法比Zheng方法有明显的提高 (误差率由14.25% 降至7.32%) , 甚至优于Weng方法 (误差率为9.92%) , 表明了本文研究方法的准确性。

由图7 可见, 本文研究方法与Weng方法研究成像质量基本相同。但可以看出, Zheng方法的成像结果中存在明显的误差, “误差1”。“误差1”来源于图像序列的旋转 (从图7 可以看出该区域存在明显的旋转) 。由图7 和表2 中的数据可知, 本文研究方法在角度方面的准确度优于Wen方法和Zheng方法。这证明了本文方法在处理大角度的旋转时的准确性。

3 结论

超声宽景成像技术可以生成宽景图像显示整个组织, 便于医生观察诊断。目前该技术的实时性越来越好, 有着广阔的应用前景。在本文中, 我们提出了一种能快速、准确地对存在大角度旋转的图像序列进行配准的超声宽景成像新方法。在该方法中, 基于模板选择的快速配准算能使配准过程快速化, 同时, 基于FFT的配准算法能提高图像之间存在较大角度的旋转时的配准准确度。实验表明, 本文研究方法在快速配准的同时提高了配准的准确度, 从而快速生成质量较高的宽景图。在本文中, 我们假定图像间的变换模型为刚体变换, 但实际上, 获取的超声图像中存在大量的变形失真, 在未来的工作中, 我们将针对软组织变形失真的超声宽景成像方法进行研究。

摘要:本文提出一种根据配准图像之间的旋转角度大小 (以模板配准结果的标准差作为旋转角度大小的度量) 来选择不同配准算法 (模板法或频域法) 的超声宽景成像新方法。实验结果表明, 本方法在超声探头存在大角度旋转时仍能快速、准确地生成被观察组织的宽景图, 具有良好的实用价值。

关键词:超声仪,宽景成像,图像配准,旋转角度,有效模板

参考文献

[1]Dai Y K, Tian J, Dong D, et al.Real-time visualized freehand 3D ultrasound reconstruction based on GPU[J].IEEE Transactions on Information Technology in Biomedicine, 2010, 14 (6) :1338-1345.

[2]Huang Q H, Lu M H, Zheng Y P, et al.Speckle Suppression and contrast enhancement in reconstruction of freehand 3D ultrasound images using an adaptive distance-weighted method[J].Applied Acoustics, 2009, 70 (1) :21-30.

[3]Weng L, Triumalai A P.Method and apparatus for generating large compound ultrasound image[P].US, 1996:5, 575, 286.

[4]Weng L, Triumalai A P, Lowery C M, et al.US Extended-Fieldof-View Imaging Technology[J].Radiology, 1997, 203:877-880.

[5]Zheng Shuohe, Huang Qinghua, Jin Lianwen.Real-Time Extended-Field-of-View Ultrasound Based on a Standard PC[J].Applied Acoustics, 2011, 73 (4) :423-432.

[6]Chen YL, Gao SK.Extended field-of-view ultrasound imaging technology for large-revolving-angle images[J].Tsinghua Univ Sci Technol, 2009, 3:424-427.

[7]Kong LY, Huang QH, Lu MH, et al.Accurate image registration using SIFT for extended-field-of-view sonography[A].In:Proceeding of the 4th international conference on bioinformatics and biomedical engineering[C].2010.

编码孔径成像技术 篇9

在惯性约束聚变实验 (ICF:inertial confinement fusion) 中,微米量级、高空间分辨率的X光成像是很重要的诊断手段。靶丸经过激光轰击压缩后密度增加,对X光的吸收也增多,尤其是低能X光,这样难以获得可观测的信号,因此需要对被压缩靶丸吸收少而能逃逸出来的高能X光成像。普通商品化成像设备此时不能正常成像,必须研制一种专用成像设备。

利用环形编码孔径成像技术制备一种新的X光条件下图像采集装置一一环形编码孔径显微镜 (RAM:ring aperture microscope) 的方法。该成像设备采用环形编码孔径作为成像元件,且制作的设备具有X光中显微放大的功能,因此称为环形编码孔径显微镜。环形编码孔径显微镜的研制为惯性约束聚变实验提供一种合适、可靠的图像获取手段,用以诊断聚变时靶丸变化特性。

参照D.Ress等人的工作,作者参与研制了具有高空间分辨率和高时间分辨率的环形编码孔径显微镜和相应的图像处理系统。图1为包括环形编码孔径成像与图像处理整个系统的方框图。

x射线在真空中对物体有很强的穿透力,而且不同的物质对X射线的吸收有很大的差异,因此x射线成像技术无疑为研究和分析物质的内部结构和本质特性提供了强有力的手段。就其应用而言,除了在医疗诊断和工业中内部探伤的成功应用之外,近年来,x射线成像诊断在惯性约束聚变的过程诊断、高低温等离子体诊断、x光光刻、空间物理研究中的宇宙射线的探测等领域也得到广泛的应用。

然而随着研究的深入,x射线技术,特别是x射线成像技术的进一步发展却遇到了严重的障碍。其主要原因在于:x射线波长很短,通常比可见光短一个数量级,在空气中和介质中易被强烈吸收,因此难以找到适合于不同应用领域的x射线源和相应探测器。同时,由于适合于制造x射线成像透射元件的材料几乎没有,反射元件的加工也相当困难。目前,绝大多数反射器件和系统也只有在掠入射角的情况下才显示出可用的反射率。因此,设计和制造一套实用的掠入射x射线成像系统是一件相当困难的事情,其难度要比相应的可见光系统大数倍。x光的短波长要求反射镜的表面粗糙度为亚纳米数量级,加工难度之大是可以想象的。由于x射线在空气中被强烈地吸收,因此,x光设备只能在真空中或在大气层以外的空间中工作,这无疑也限制了x光技术应用领域的拓宽。

在x光波段,主要的成像方法可大致分为两类:一类是透射式成像,以针孔成像和编码孔径成像为代表:另一类是反射式成像,以各种掠入射x射线显微镜和望远镜系统为代表。最近十几年来,由于x射线多层膜技术的日臻成熟,正入射x射线成像系统已开始从实验室走向实用化。

单针孔成像是最简单的透射式成像方式,它是在不透过X射线的金属或非金属膜片上扎一个小孔而成。单针孔成像分辨率为△=d (1+1/m) 。式中d为针孔直径,M为放大率,针孔直径通常为微米级。由此可见,单针孔成像的特点是分辨率高,结构简单,造价低。但其缺点也是显而易见的,它的低集光效率和低信噪比使它的应用受到很大限制。因为辐射强度小到一定程度就难以成像

为了克服单针孔成像的缺点,孔径编码成像技术被引用到X光透射成像系统中。最初研究孔径编码的动机多半是由于孔径编码成像可以显著地增加光的几何收集效率。针孔的集光效率k劝约为10,而孔径编码成像则可提高到它的100倍或更高。这意味着曝光时间减少同样的倍数而不引起信噪比 ( (SNR:signal-noise ratio) 的损失;或曝光时间保持相同,而信噪比为收集效率增益的平方根倍。编码后的图像必须经过光学方法或数字图像处理的方法进行解码,才能准确地再现原来的目标信息,这不可避免地增加了系统的复杂性和价格。迄今为止出现的编码孔径主要有菲涅尔带板、多针孔编码板和环形孔径。

菲涅尔带板的集光效率要比单针孔高得多,也具有较高的分辨率。它的缺点是各环带间隔不均匀,越往外环带宽度越窄,可窄至l, μm以下。显然,由于膜层制作的锥形效应,加工制作这样窄的膜层十分困难。即使能做,膜层厚度也受到严重限制。而薄的膜层是经受不住强x光的轰击的。另外它还会产生鹰像,大大降低了信噪比,这些都使它的应用范围受到限制

所谓的多针孔通常是按一定的编码形式排列的,目前主要有随机阵列、非冗余阵列 (NRA) 、均匀冗余阵列田RA) 等几种。均匀冗余阵列是目前经常采用的方式。它的主要特点是:在保留了单针孔高分辨率的前提下,集光效率有了数量级的增加,可在弱的X射线下获得目标的图像;同时信噪比也大为提高,多针孔在理论上的信噪比为单针孔的 (N/2) 1/2倍,其中N为针孔数目,N一般为1000-10000。可见信噪比的提高是十分可观的。此外,还可得到层析图像,即获得目标的深度信息。多针孔成像是一种二步成像过程,首先利用多针孔相机来收集目标的尽可能多的信息,然后利用图像处理和重构技术获得目标的图像。这种二步成像过程增加了问题的复杂性,以此来换取高的信噪比和高的集光效率,这是单针孔成象无法比拟的。

几乎和多针孔成像技术发展的同时,为了减轻菲涅尔带板加工难度所带来的压力,同时又能获得高信噪比和高分辨率的图像,J.Brunol等人发展了环形编码孔径成像技术,并首先在等离子体诊断方面获得应用;此外,D.Ress等人对环形编码孔径显微镜 (RAM) 作了进一步研究和发展,先后于90年代初研制成功了几种具有高的空间分辨率的环形编码孔径显微镜,分辨率达到3-5?m。随后,D.Ress等人又把微通道板和控制门电路运用到环形编码显微镜中,实现了80ps超高速快门开关。这样,可以在获得较高的空间分辨率的同时,得到高的时间分辨率,他们运用该显微镜在ICF的瞬态过程中获得8-10幅时间顺序图像。

结束语

环形孔径编码成像的优越性是显而易见的。首先,由于只有一个环孔,因此它的制作工艺要比菲涅尔带板简单:其次,它在保持高分辨率同时,还具有高的信噪比 (通常比单针孔高出巧倍以上) 和高的集光效率:第三,由于膜层可以做得较厚,可以在强X射线下使用,使用的X射线波长可短到0.1 nm,如果金膜厚度再提高,使用的X光波长还可以缩短。

摘要:本文主要研究了基于环形孔径编码成像技术的一种新的x光图像处理技术, 及环形孔径编码孔径显微镜。

关键词:X光,环形编码孔径,成像技术

参考文献

[1]D.Ress, P.M.Bell, D.K.Bradley, A time-resolved x-ray coded aperture microscope for inertial confinement fusion applications, Rev.Sci.Instrum., 1993, 64 (6) :14041406

注:本文为网友上传,旨在传播知识,不代表本站观点,与本站立场无关。若有侵权等问题请及时与本网联系,我们将在第一时间删除处理。E-MAIL:66553826@qq.com

上一篇:汽车热成型技术工艺 下一篇:快速成型制造实习提纲