全自动穆勒矩阵显微成像系统在组织微阵列鉴别中的应用

为实现对组织微阵列无损且迅速地鉴别,利用穆勒矩阵的偏振成像原理,构建了全自动穆勒矩阵显微成像系统。通过集成自动控制的偏振光学组件及成像设备,该系统能够进行自动成像。对收集的偏振图像数据,采用穆勒矩阵极分解与穆勒矩阵变换算法进行处理,以提取描述样本的关键偏振特征参数。结果发现:在区分宫颈癌组织样本与正常宫颈组织样本的实验中,等效波片快轴方位角θ和线相位延迟δ是有效的偏振参数;利用统计分析、灰度共生矩阵分析和Tamura图像处理方法对偏振参数图像进行处理,可以获得诊断宫颈癌的明确指征。全自动穆勒矩阵显微成像系统通过整合多个样本,无需频繁更换切片,且不需要切换到高倍物镜,从而达到对癌症的快速诊断。

基于超像素分割算子的高分辨率多光谱图像重构方法

针对分焦平面多光谱相机在成像过程中存在的图像空间分辨率较低问题,提出了分焦平面马赛克图像的高分辨率重构方法。该方法首先通过拍摄漫反射白板对分焦平面马赛克式传感器进行定标,获得了无马赛克的场景反射率图像;之后将场景反射率图像和分焦平面马赛克图像代入多光谱图像与高光谱图像的融合模型进行高分辨率重构。分析了基于超像素分割算子的2种重构方法(最小二乘-多光谱数据融合法和正则化最小秩-多光谱数据融合法)的重构结果。结果发现:最小二乘-多光谱数据融合法的求解过程简单,求解速度较快,针对反射率较为均一的场景可以取得较好的重构结果;正则化最小秩-多光谱数据融合法求解过程复杂,求解速度较慢,针对复杂场景可以取得较好的重构结果。研究提出的2种重构方法的平均像素误差约为0.12,小于其他典型重构方法,且重构评价参数也具有明显优势,表明这2种重构方法在光谱图像高分辨率融合模型的迁移上取得了较好的结果,实现了待重构图像在空间信息和光谱信息上的高度还原。

基于低秩近似与多重虚拟曝光融合的偏振去雾算法

偏振去雾成像算法中的偏振参数图像极易受噪声干扰并且去雾后图像的亮度不稳定,这导致算法无法普遍适应不同的光照条件。针对此问题,提出了一种新的偏振去雾算法,其中引入基于低秩近似的新型偏振参数图像用于降低噪声干扰,并且采用多重虚拟曝光融合方法来压缩图像动态范围。对比实验表明:该方法能够有效地去除图像中的雾霾,具有较强的鲁棒性,显著提高不同环境下拍摄到的含雾霾图像的整体质量。在标准差、图像信息熵、自然图像质量评估器评分、基于感知的图像质量评估器评分4项图像质量指标上,所提方法相对于Schechner等的方法与暗通道方法分别平均提升了22.99%、4.06%、17.42%、32.89%与33.33%、2.80%、12.31%、76.14%。