基于压缩感知和多尺度几何分析的OCT微结构光纤图像重建研究

The microstructured fibers (MSF) have much excellent properties such as low loss than traditional fibers because of its complex and flexible internal structures. During the drawing process of MSF, real-time monitoring the internal structures of MSF is very important to keep the optical properties of fibers. Optical coherence tomography (OCT) can be utilized in imaging the internal structures of MSF in a relatively short time. However, short time only gets small amount of imaging data and thus results in the low quality of the final image of MSF; the increase of data will result in the long time of imaging, and thus the real-time monitoring could not be realized. To solve this problem, this project innovatively introduces the technology of compressed sensing into MSF with OCT imaging and improves the quality of images with multi-scale geometry and denoising.. The sparse in the transform domain of the MSF image is firstly used to establish the OCT compressed sensing model. The improved reconstruction of MSF images will be obtained by compressed sensing the large data, and thus the real-time monitoring will be implemented. The second novelty is adopting the multi-scale geometry analysis to represent the structures of complex air holes in the MSF to capture the edge changes of air holes. We will also explore the fast algorithm to speed up the image reconstruction. Finally, we will investigate the speckle noise of OCT images and combined the multi-scale geometry with total variation to improve the denoising model, which will reduce the noise and preserve the detail information of air holes in MSF. The achievements of this project will reduce the imaging time and obtain high quality of MSF structure, which contributes to the real-time monitoring of MSF drawing, and plays an important role in pushing development of the MSF field in China.

微结构光纤因其灵活多变的内部结构，具有传统光纤无法比拟的低损耗等优异特性，应用前景广阔。在光纤拉制过程中，实时监测其内部结构变化对光纤优异特性的保持尤为重要。OCT即光学相干断层可以在短时间内对微结构光纤成像，但短时间导致成像数据少、重建图像质量低；而增加成像数据量将导致时间加长，不能实时监测光纤结构特性。为解决该问题，本项目创新地将压缩感知引入到OCT微结构光纤重建过程，利用微结构光纤图像在变换域的稀疏性，有效压缩大数据量的同时获得优质重建图像，实现光纤特性实时监测。创新地利用多尺度几何分析来表示空气孔微结构，并设计快速表示方法，以实时获取空气孔在不同尺度和方向的变化。研究OCT微结构光纤图像散斑噪声特征，结合多尺度几何分析和全变差方法建立实时去噪模型，去除噪声的同时保留空气孔结构。研究成果将在短时间内获得高质量光纤内部结构，实现光纤拉制实时监测，将促进我国在微结构光纤领域的快速发展。

为了在OCT微结构光纤成像过程中实时监测性能，需要成像时间短，但是带来时间短图像数量少，成像差的问题。因此本项目多尺度几何特征表示、各向异性全变差去噪、非局部分析、深度学习生成对抗网络，实现少数据量的压缩感知重建，同时提高成像质量。. (1) 压缩感知重建。提出了一种基于多尺度几何Shearlet和非局部变换的压缩感知重建方法（CSSN），利用Shearlet的稀疏表示和多尺度多方向图像特征表达的优势、结合非局部分析对图像细节纹理保持的优势，据此建立了结合两方面优势的压缩感知模型，实现了图像13%数据的压缩感知重建。我们还基于生成对抗网络的深度学习方法，提出了两种网络模型：a）提出了一种可扩展金字塔注意力的多采样率生成对抗网络重建方法PAGAN；b）提出了一种密集残差的多尺度注意力机制生成对抗网络的压缩感知重建方法ARU-net，它们能够以低于13%的数据重建图像，提高了重建质量和重建速度，相比较之前基于模型的方法。.(2)多尺度几何特征表示。研究了图像在Contourlet、NSCT、Shearlet等多尺度几何中的特征表示，并将其应用于压缩感知和去噪算法，在滤除图像噪声的同时，有效保留空气孔结构。同时在实现的过程中，提出了多种快速算法，根据快速矩阵连乘运算，提出有效的多尺度几何分析快速算法，提高结构特征表示的速度。.(3)图像去噪方法研究。基于多尺度几何分析方法、全变差模型，提出了一种基于NSCT多尺度几何分析的各向异性全变差去噪方法TATV-NSCT，能够在去除噪声的同时，有效保留结构信息，适用于OCT成像光照低的情况。提出了一种基于深度学习残差网络和注意力机制的图像超分辨率和去噪方法，有效去除了大噪声并有效恢复图像细节信息。.本项目在OCT微结构光纤少数据量成像、相机成像和雷达成像等应用中具有重要的科学意义。我们在把多尺度几何分析Shearlet和图像的非局部分析相结合，创新了压缩感知的传统模型，为图像的稀疏表示和重建在理论和方法上进行了完善。