一种光学图像重构方法、装置、计算机设备及存储介质与流程
本发明涉及光学图像处理技术领域，具体涉及一种光学图像重构方法、装置、计算机设备及存储介质。
背景技术：
光学图像的成像质量在医学分析中起着重要的作用，现有的光学图像成像技术主要包括以下两种。光学相干断层扫描技术(opticalcoherencetomography，简称oct)是近年来发展较快的一种最具发展前途的新型层析成像技术，具有无接触、无损伤和实时测量的特点，可进行眼组织显微镜结构的非接触式、非侵入性断层成像。cornealvisualizationscheimpflugtechnologyinstrument(corvissttonometry)是一种非侵入式的用来测量在对眼球吹气后角膜在体内形变的整个过程的技术仪器。
但是，上述两种技术所述获得光学图像均存在一定的缺陷。oct图像的分辨率受到光源带宽的限制，而corvisst图像的分辨率受到光衍射极限的物理限制；此外，由于仪器硬件上的限制，两种技术所获取的光学图像都会受到模糊化、下采样失真、噪声干扰等影响。这些影响都会降低光学图像的分辨率，造成图像中的细微特征变得模糊，从而导致无法对光学图像进行准确的判定。
因此，现有技术还有待于改进和发展。
技术实现要素：
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种光学图像重构方法、装置、计算机设备及存储介质，旨在解决现有技术中的光学图像都会受到模糊化、下采样失真、噪声干扰等影响，从而降低了光学图像的分辨率，造成图像中的细微特征变得模糊等问题。
本发明解决技术问题所采用的技术方案如下：
一种光学图像重构方法，其中，所述方法包括：
获取光学摄像仪采集到的原始光学图像，并对所述原始图像进行函数建模；
根据所建立的函数模型，获取用于重构图像的恢复函数，并进行函数优化；
对所述恢复函数进行迭代解算，并进行光学图像重构，获得超分辨率光学图像。
优选地，所述的光学图像重构方法，其中，所述获取光学摄像仪采集到的原始光学图像，并对所述原始图像进行函数建模的步骤，具体包括：
获取光学摄像仪采集到的原始光学图像，并根据所述原始光学图像的像素值分布绘制分位数-分位数图；
将绘制的分位数-分位数图与预设的概率分布形式的分位数-分位数图进行像素强度匹配分析，确定出所述原始光学图像中损坏的像素区域和噪声的概率分布形式；
根据所确定出的概率分布形式对所述原始光学图像进行建模。
优选地，所述的光学图像重构方法，其中，所述根据所建立的函数模型，获取用于重构图像的恢复函数，并进行函数优化的步骤，具体包括：
根据所建立的函数模型，基于最大后验估计建立恢复函数，所述恢复函数中包含用于重构超分辨光学图像的像素矩阵；
对所述原始光学图像进行降噪处理，并使用交替方向乘子法对所述恢复函数进行优化，以消除所述恢复函数中的约束条件。
优选地，所述的光学图像重构方法，其中，所述对所述恢复函数进行迭代解算，并进行光学图像重构，获得超分辨率光学图像的步骤，具体包括：
利用迭代算法，对优化后的恢复函数进行解算，获取重构超分辨光学图像的像素矩阵及辅助参数；
根据所述超分辨光学图像的像素矩阵及辅助参数进行光学图像重构，得到超分辨率光学图像。
一种光学图像重构装置，其中，所述装置包括：
图像建模模块，用于获取光学摄像仪采集到的原始光学图像，并对所述原始图像进行函数建模；
恢复函数获取模块，用于根据所建立的函数模型，获取用于重构图像的恢复函数，并进行函数优化；
图像重构模块，用于对所述恢复函数进行迭代解算，并进行光学图像重构，获得超分辨率光学图像。
优选地，所述的光学图像重构装置，其中，所述图像建模模块具体包括：
分位数图绘制单元，用于获取光学摄像仪采集到的原始光学图像，并根据所述原始光学图像的像素值分布绘制分位数-分位数图；
概率分布匹配单元，用于将绘制的分位数-分位数图与预设的概率分布形式的分位数-分位数图进行像素强度匹配分析，确定出所述原始光学图像中损坏的像素区域和噪声的概率分布形式；
图像建模单元，用于根据所确定出的概率分布形式对所述原始光学图像进行建模。
优选地，所述的光学图像重构装置，其中，所述恢复函数获取模块具体包括：
恢复函数建立单元，用于根据所建立的函数模型，基于最大后验估计建立恢复函数，所述恢复函数中包含用于重构超分辨光学图像的像素矩阵；
恢复函数优化单元，用于对所述原始光学图像进行降噪处理，并使用交替方向乘子法对所述恢复函数进行优化，以消除所述恢复函数中的约束条件。
优选地，所述的光学图像重构装置，其中，所述图像重构模块具体包括：
函数解算单元，用于利用迭代算法，对优化后的恢复函数进行解算，获取重构超分辨光学图像的像素矩阵及辅助参数；
图像重构单元，用于根据所述超分辨光学图像的像素矩阵及辅助参数进行光学图像重构，得到超分辨率光学图像。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实上述任一项所述的方法的步骤。
本发明的有益效果：本发明通过对原始光学图像进行建模并获取恢复函数，以获得恢复函数，根据恢复函数对原始光学图像进行重构，从而将低分辨率的光学图像构建成超分辨率的光学图像，提高图像中细微特征的清晰度。
附图说明
图1是本发明的光学图像重构方法的一个较佳实施例的流程图。
图2是应用本发明的光学图像重构方法对corvisst图像进行重构的效果图。
图3是本发明的光学图像重构装置的一个较佳实施例的结构框图。
图4是本发明的计算机设备的一个较佳实施例的原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明提供的光学图像重构方法，可以应用于终端中。其中，终端可以但不限于是各种个人计算机、笔记本电脑、手机、平板电脑、车载电脑和便携式可穿戴设备。本发明的终端采用多核处理器。其中，终端的处理器可以为中央处理器(centralprocessingunit，cpu)，图形处理器(graphicsprocessingunit，gpu)、视频处理单元(videoprocessingunit，vpu)等中的至少一种。
由于现有技术中或获得光学图像都会受到模糊化、下采样失真、噪声干扰等影响。这些影响都会降低光学图像的分辨率，造成图像中的细微特征变得模糊，从而导致无法对光学图像进行准确的判定。为了解决上述问题，本实施例提供一种光学图像重构方法，主要是原始的低分辨率光学图像构建成超分辨率的光学图像，从而使得图像中的细微特征也可以很清晰的表示。具体如图1中所示，所述光学图像重构方法以下步骤：
步骤s100、获取光学摄像仪采集到的原始光学图像，并对所述原始图像进行函数建模。
具体实施时，在本实施例中，首先获取光学摄像仪采集到的原始光学图像，所述原始光学图像为未经任何图像处理的图像，该图像的分辨率较低。在获取原始光学图像之后，进一步根据所述原始光学图像的像素值分布绘制分位数-分位数图。分位数-分位数图(quantile-quantileplot)对着另一个对应的分位数，绘制一个单变量分布的分位数。它是一种强有力的可视化工具，使得用户可以观察从一个分布到另一个分布是否有漂移。因此，绘制分位数-分位数图可以直观地展示原始光学图像中的像素分布情况。
当绘制好绘制分位数-分位数图之后，本实施例将绘制的分位数-分位数图与预设的概率分布形式的分位数-分位数图进行像素强度匹配分析，确定出所述原始光学图像中损坏的像素区域和噪声的概率分布形式。例如，预设概率分布形式有正态分布、伽玛分布、泊松分布以及莱斯分布，那就要将绘制好的分位数-分位数图分别与正态分布、伽玛分布、泊松分布以及莱斯分布对应的分位数-分位数图一一进行像素强度对比匹配，从而确定出本实施例中的原始光学图像的损坏像素区域以及噪声的概率分布形式。
当确定出原始光学图像的噪声的概率分布形式后，根据所确定出的概率分布形式对所述原始光学图像进行建模。优选地，本实施例中建立的模型如下：
其中，y∈rn为光学摄像仪器采集到的原始光学图像(低分辨率)的像素矩阵，x∈rn为目标图像的像素矩阵(即需要重构获得的超分辨率图像的像素矩阵)，n为像素数；由于光学摄像仪器硬件设备上的限制造成所获得图像均会受到模糊化，下采样失真的影响，因此h和d分别代表模糊和下采样矩阵，
进一步地，步骤s200、根据所建立的函数模型，获取用于重构图像的恢复函数，并进行函数优化。
具体实施时，本实施例中对上述所建立的模型函数进行函数处理，基于最大后验(maximumaposterioriestimation，map)估计建立恢复函数，所述恢复函数中包含用于重构超分辨光学图像的像素矩阵。具体地，本实施例中所建立的恢复函数如下所示：
其中，λ为惩罚参数，
当建立恢复函数之后，本实施例对所述原始光学图像进行降噪处理，并使用交替方向乘子法(alternatingdirectionmethodofmultipliers)对所述恢复函数进行优化，以将带有约束条件的恢复函数优化为不带约束条件的恢复函数，即以消除所述恢复函数中的约束条件，并且还对该过程中产生的辅助参数进行求解。由于恢复函数中存在约束条件，如果在后续步骤中直接对恢复函数进行求解，则解算困难，且解算结果也不准确。因此，实施例中采用交替方向乘子法来将恢复函数分解成多个辅助参数，从而消除约束条件。而辅助参数是容易求解的，因此消除约束函数其实是为了后续步骤对恢复函数进行解算的简化。
优选地，本实施例中的降噪处理方式可以采用常用的高斯滤波去噪、均值滤波去噪、小波去噪等方法。本实施例并不对此进行限定。
具体地，在本实施例中，优化后的恢复函数可为：
其中，μ为以非降序迭代变化的正则化参数，z为优化过程中产生的辅助参数。
进一步地，步骤s300、对所述恢复函数进行迭代解算，并进行光学图像重构，获得超分辨率光学图像。
具体实施时，本实施例中，利用迭代算法，对上述优化后的恢复函进行解算，获取重构超分辨光学图像的像素矩阵及辅助参数，优选地，本实施例中利用迭代算法对优化后的恢复函数进行解算时，迭代的次数设置为20次。当然，具体的迭代次数可以进行自主设置，本实施例并不对次数进行限定。
具体地，在进行解算时，可以采用如下算法：
其中，
当获取到像素矩阵及辅助参数，根据所述超分辨光学图像的像素矩阵及辅助参数进行光学图像重构，得到超分辨率光学图像。本发明通过对原始光学图像(低分辨率图像)进行函数建模并进行函数处理，从而获得超分辨率图像的像素矩阵与辅助参数，进而进行光学图像重构，从而实现将低分辨率的光学图像构建成超分辨率的光学图像，提高图像中细微特征的清晰度。
进一步地，如图2中所示，图2是应用本发明的光学图像重构方法对corvisst图像进行重构的效果图。其中，图2中的a是原始光学图像(低分辨率图像)，图2中的b是经由本发明的光学图像重构方法重构获得的超分辨率图像。图2中的c是原始光学图像的区域细节图,图2中的d是经由本发明的光学图像重构方法重构获得的超分辨率图像的同区域细节图。将c和d对比分析后发现，经本发明的光学图像重构方法重构获得的超分辨率图像在细节特征上更加清晰，有助于对医学图像进行更为准确的分析，避免出现误判、错判。
值得说明的是，本实施例中根据像素矩阵及辅助参数构建图像的具体形式是可以依据现有技术来实现的，而本发明的重点在于如何对低分辨率的图像进行处理，从而获得可以构建超分辨率图像的像素矩阵及辅助参数，至于如何将像素矩阵和辅助参数转换成图像，现有技术是完全可以实现的。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
基于上述实施例，本发明还提供了一种光学图像重构装置，如图3所示，包括：图像建模模块310、恢复函数获取模块320以及图像重构模块330。其中，
图像建模模块310，用于获取光学摄像仪采集到的原始光学图像，并对所述原始图像进行函数建模；
恢复函数获取模块320，用于根据所建立的函数模型，获取用于重构图像的恢复函数，并进行函数优化；
图像重构模块330，用于对所述恢复函数进行迭代解算，并进行光学图像重构，获得超分辨率光学图像。
在其中一个实施例中，图像建模模块310具体包括：
分位数图绘制单元，用于获取光学摄像仪采集到的原始光学图像，并根据所述原始光学图像的像素值分布绘制分位数-分位数图；
概率分布匹配单元，用于将将绘制的分位数-分位数图与预设的概率分布形式的分位数-分位数图进行像素强度匹配分析，确定出所述原始光学图像中损坏的像素区域和噪声的概率分布形式；
图像建模单元，用于根据所确定出的概率分布形式对所述原始光学图像进行建模。
在其中一个实施例中，恢复函数获取模块320具体包括：
恢复函数建立单元，用于根据所建立的函数模型，基于最大后验估计建立恢复函数，所述恢复函数中包含用于重构超分辨光学图像的像素矩阵；
恢复函数优化单元，用于对所述原始光学图像进行降噪处理，并使用交替方向乘子法对所述恢复函数进行优化，以消除所述恢复函数中的约束条件。
在其中一个实施例中，图像重构模块330具体包括：
函数解算单元，用于利用迭代算法，对优化后的恢复函数进行解算，获取重构超分辨光学图像的像素矩阵及辅助参数；
图像重构单元，用于根据所述超分辨光学图像的像素矩阵及辅助参数进行光学图像重构，得到超分辨率光学图像。
关于光学图像重构装置具体限定可以参见上文中对于光学图像重构方法的限定，在此不再赘述。上述光学图像重构装置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。
基于上述实施例，本发明还提供了一种计算机设备，该计算机设备可以是终端，其原理框图可以如图4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、显示屏和温度传感器。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和计算机程序。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光学图像重构方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的温度传感器是预先在计算机设备内部设置，用于检测内部设备的当前运行温度。
本领域技术人员可以理解，图3中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明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，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取光学摄像仪采集到的原始光学图像，并对所述原始图像进行函数建模；
根据所建立的函数模型，获取用于重构图像的恢复函数，并进行函数优化；
对所述恢复函数进行迭代解算，并进行光学图像重构，获得超分辨率光学图像。
基于上述实施例，本发明还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：
获取光学摄像仪采集到的原始光学图像，并对所述原始图像进行函数建模；
根据所建立的函数模型，获取用于重构图像的恢复函数，并进行函数优化；
对所述恢复函数进行迭代解算，并进行光学图像重构，获得超分辨率光学图像。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！