光学相干层析图像分类与层次结构检测方法及应用研究

光学相干层析（OCT）是一种能够进行无创或微创、实时、在体、微米级成像的新技术，随着OCT成像技术的日益成熟，对OCT数据进行处理与分析已逐渐成为研究热点。OCT数据分类、图像层次结构检测与定量测量是OCT数据处理与应用中的普遍性问题。本项目以医学OCT数据、珍珠OCT数据为应用对象，从信号分析和图像分析两个不同的角度研究上述两个问题。在基于信号的分析方面，从时间序列的模式识别的观点研究OCT信号处理，建立基于OCT信号的分类与层次结构检测的算法模型；在基于图像的分析方面，充分利用OCT图像的纹理特征、频域特征、几何特征甚至先验知识,建立高效准确的OCT图像分类与层次结构检测方法。本项目能够对医学疾病诊断及珍珠OCT图像的自动分类及测量提供新技术，丰富和完善OCT数据处理与分析的理论与方法，推动其在临床和材料检测中的实际应用。

光学相干层析（OCT）是一种能够进行无创或微创、实时、在体、微米级成像的新技术，随着OCT成像技术的日益成熟，对OCT数据进行处理与分析已逐渐成为研究热点。本项目围绕OCT图像分类、图像层次结构检测与定量测量两个基本问题开展研究，完成了项目研究任务，取得了预期的研究成果。在OCT信号分析方面，以鲜红斑痣OCT图像为实验对象，发现正常、异常（鲜红斑痣） OCT A-Scan信号具有明显不同的特征，提出了基于OCT信号分类的有效算法。在OCT图像分析方面，在分析采用全局纹理特征对OCT图像分类优缺点的基础上，率先提出利用OCT图像局部纹理特征及推土机距离的图像分类方法，能够大大提高图像分类的精度，为OCT图像分类提供了新方法。在OCT图像层次结构特征检测方面，开展了广泛的研究并取得了若干重要成果。具体的，针对眼前节OCT图像的特点，通过提取关键点将图像分割为对应不同组织的子图像分别处理，提出并实现了基于分治法的眼前节OCT图像内轮廓提取算法与系统，申请了国家发明专利；根据眼前节OCT图像的结构特征，提出了基于多尺度多结构形态学的眼前节OCT图像边缘提取算法。针对视网膜OCT体数据的特点，利用视网膜边界的方向、图像强度峰值及分而治之的思想，提出并实现了新的高效的光学相干层析视网膜体数据三维分割方法与系统，申请了国家发明专利。针对冠脉OCT体数据的特点，采用“层间相关性”去除輎管的影响，提出了一种冠脉光学相干层析图像血管壁内轮廓自动提取的有效算法。针对珍珠OCT图像的特点，提出了利用极坐标变换及概率密度投影的珍珠厚度自动测量方法， 该方法具有很好的鲁棒性，具有实际应用前景。此外，在二进小波研究方面取得了3项理论成果：提出了在任意消失矩约束下样条二进小波滤波器的构造方法，并给出了若干构造实例；针对小波变换的快速算法（Mallat算法）及二维平稳小波变换只适用于离散小波，提出了二维平稳二进小波变换的新框架； 提出了m次二进样条小波滤波器的求解方法。研究了小波在OCT图像处理中的应用，提出了基于双树复小波和混合概率模型的光学相干层析图像去噪，以及光学相干层析图像的二进小波扩散滤波去噪算法等。本项目的研究进展与成果丰富了OCT数据处理与分析的理论与方法，具有重要的理论价值与应用价值。