自适应环系统

科技日报 2012年04月25日 星期三 本报讯 实时3D微观组织成像技术的出现不啻为癌症诊断、微创手术和眼科等医疗领域的一场革命。据物理学家组织网4月23日报道，美国伊利诺伊大学的研究人员开发出用计算自适应光学系统校正光学层析成像的畸变技术，给未来医疗的“高清”成像带来前景。相关技术成果刊登在最新一期美国《国家科学院学报》在线版上。 美国贝克曼研究所高级科学和技术博士后研究员史蒂芬说：“该技术能够超越现在的光学系统，最终获得最佳品质的图像和三维数据。这将是非常有用的实时成像技术。” 畸变如散光或扭曲困扰着高分辨率成像。其会使对象细点的地方看上去如斑点或条纹。分辨率越高，问题会变得更糟糕。这是在组织成像中特别棘手的问题，而精度对于正确诊断至关重要。 自适应光学可以校正成像的畸变，被广泛应用于天文学来校正当星光过滤器通过大气层的变形。医学科学家已经开始将这种自适应光学系统的硬件应用于显微镜，希望能改善细胞和组织成像。 但伊利诺伊大学生物工程内科医学的电子和计算机工程教授斯蒂芬指出，这同样富有挑战，将其应用于组织、细胞成像，而不是通过大气对星星成像，存在很多光学上的问题。基于硬件的自适应光学系统复杂而昂贵，调整繁琐，故不太适用于医疗扫描。 由此，该团队采用计算机软件来发现并纠正图像畸变，替代硬件的自适应光学，称为计算自适应光学技术。研究人员用此技术演示了大鼠肺组织含有微观粒子凝胶的幻影。用光学成像设备干涉显微镜的两束光扫描组织样本，计算机收集所有数据后，纠正所有的深度图像，使模糊的条纹变成尖锐的点而特征显现，用户可用鼠标点击改变参数。研究人员说：“我们能够纠正整个研究体积的畸变，在其任何地方呈现高清晰度图像。由此，现在可以看到以前不是很清楚的所有组织结构。” 该技术可以应用于许多医院和诊所的台式电脑，可对任何类型进行干涉成像，如光学相干断层扫描。（华凌）

近日，由中科院科研装备研制项目资助的“小型化视网膜自适应光学连续成像仪”研制工作在光电技术研究所顺利完成。该成像仪通过校正人眼像差可以获得高分辨率眼底视网膜图像，在临床疾病早期诊断等方面具有重要应用价值。 变形镜作为自适应光学系统的核心器件，其性能决定了成像仪的整机性能。光电所前期研制的视网膜自适应光学成像仪采用分立式压电驱动变形镜，受目前构造工艺的限制，其变形量小、口径大、成本高，难以适应临床大规模人群使用和产业化推广，寻求一种新型的变形镜以突破其临床应用限制已成为成像仪产业化推广过程中亟待解决的问题之一。与此同时，由于双压电片变形镜具有构造简单、结构灵活多样且易于小型化等优点，在眼科自适应光学领域具有较好的应用前景。因此，光电所于2010年开展了基于双压电片变形镜的新一代小型化视网膜自适应光学成像仪研制。 项目组在前期研究工作的基础上，针对人眼像差特性，设计并研制成功35单元双压电片变形镜，其行程达到20微米，而口径仅有原来分立式压电驱动变形镜口径的一半。在变形镜研制的基础上，先后解决基于双压电片变形镜的AO系统优化设计、闭环控制算法等关键技术，研制成功首套基于双压电片变形镜的小型化视网膜自适应光学成像仪，其体积仅为原来37单元成像仪的一半，但像差校正性能却得到大幅提升，大大降低了对人眼低阶像差预补偿的要求。 通过小规模人眼实验表明，新一代成像仪分辨率高、像差校正范围大、操作简单，这为其临床大规模人群使用和产业化推广走出重要一步。

基于相关算法的目标跟踪是利用从以前图像中获得的参考模板，在当前图像中寻找最相似的区域来估计当前目标位置的方法。它对于背景复杂、会有杂波噪声的情况具有良好的效果。CCD（电荷耦合器件）测量技术是近年来发展迅速的一种非接触式测量技术。CCD摄像器件在分辨率、动态范围、灵敏度、实时传输方面的优越性是其它器件无法比拟的，在动态飞行目标跟踪测量中发挥着重要的作用。作者在CCD测量系统中使用相关匹配的方法，实现了对连续视频图像中动态目标的跟踪。1 CCD误差测量系统原理在同一观测位置布置两台CCD，其视轴平行。其中CCD1用于瞄准，CCD2用于跟踪飞行目标。CCD1瞄准线和视轴重合，获得瞄准线和靶标之间的偏差角α。CCD2获得飞行目标和靶标之间的偏差角β。系统要求得到瞄准线和飞行目标之间的水平和垂直方向上的偏差角ψx、ψy。因此规定CCD的视场中均以靶标十字中心为原点，向左和向上为正方向，将α、β分别投影到坐标轴上得到水平和垂直方向上的偏差角αx、αy、βx、βy。两台CCD的视频轴平行，视轴间距远远小于CCD到目标的距离，因此可以认为两CCD的视轴重合。所以有：ψx=αx-βx，ψy=αy-βy (1)图1是系统的原理图，图中靶板上的黑十字是靶标，虚线十字为瞄准分划板在靶板上的投影（由于实际靶板上没有，所以用虚线表示）。2 图像处理算法的选择从系统的原理分析可知，要完成偏差角度的测量首先应当从图像中提取出各个目标在图像中的位置，再根据CCD当量（每像元对应的弧度数）算出水平和垂直方向的偏差角。从CCD1的图像中的最靶标十字和瞄准分划板的位置，从CCD2的图像中提取靶标十字和飞行目标的位置。由于飞行目标几乎贴地飞行，CCD视场中有复杂的地面背景。而且靶标是不发光的暗目标，与背景灰度反差不大，很难将目标从背景中分离出来，因此只有采用相关处理技术来进行目标识别，才能实现瞄准误差和飞行轨迹的测量。相关算法非常适合在复杂背景下识别和跟踪运行目标。由于系统图像处理是事后处理，处理连续的大量视频图像，实时性要求不高，而对处理精度和自动处理程度要求较高，因此采用该算法。本系统中相关处理将预先选定的目标或目标特定位置作为匹配样板，求取模板和输入图像间的相关函数，找出相关函数的峰值及所在位置，求判断输入图像是否包括目标图像及目标位置。3 相关算法的原理及改进在机器识别事务的过程中，常把不同传感器或同一传感器在不同时间、成像条件下对同一景物获取的两幅或多幅图像在空间上对准，或根据已知模式在另一幅图像中寻找相应的模式，这就叫做匹配。如果被搜索图中有待寻的目标，且同模板有一样的尺寸和方向，在图像匹配中使用相关匹配，就是通过相关函数找到它及其在被搜索图中的位置。3.1 相关算法基于相关的目标跟踪寻找最佳匹配点，需要一个从以前图像中得以的模板。在图2中设模板T为一个M×M的参考图像，搜索图S为一个N×N图像（MN），T在S上平移，模板下覆盖的那块搜索图叫做子图Si,j，（i,j）为子图左上角点在S中的坐标，叫参考点。比较T和Si,j的内容。若两者一致，则它们的差为0。用误差的平方和作为它们相似程度的测度：展开公式（2），则有： 公式（3）右边的第三项表示模板的总能量，是一个常数。第一项是模板覆盖下的子图能量，随（i,j）位置而缓慢改变。第二项是子图和模板的互相关，随（i,j）改变。当模板和子图匹配时刻值最大。因此可以用以下相关函数做相似性测度： 根据柯西-施瓦兹不等式可知公式（4）中0R（i,j）≤1，并且仅在Si,j(i,j)/[T(m,n)]为常数时，R(i,j)取最大值（等于1）。相关法求匹配计算量很大，如图2所示的情况，要在（N-M+1）×（N-M+1）个参考位置上做相关计算，每次相关计算要做3M2次加法、3M2次乘法、1次除法、2次开方运算。由于乘除法运算量最大，整个算法的时间复杂度大约为o((N-M+1) ×2×(3M2+1))。整个运算过程中，除了匹配点一点以外，都是在非匹配点上做无用功。但是，模板匹配算法准确度较高，适合对大量的连续视频图像做自动处理。 还有更多的仪器资料，我在这里就不添了，大家感兴趣的话到这个网站上去下载吧！http://www.yiqi120.com/zlzxInfo.asp?id=1678