基于声光可调滤波器双滤波技术的超光谱显微成像系统及其图像分析 下载: 1189次
1 引言
非共线型声光可调滤波器(AOTF)是一种利用反常声光作用原理制成的新型分光器件。基于TeO2晶体制成的AOTF是一种电控滤光元件,与传统的分光器件相比,AOTF具有体积小、调谐迅速、衍射效率高及环境适应性好等优点,被广泛应用于光谱分析、光学成像、遥感探测和医学诊断等领域。目前,国外对基于AOTF的超光谱成像技术的研究相对成熟,而国内对该技术的研究起步较晚,目前基本上处于基础理论研究和探索性实验阶段。
基于AOTF的超光谱图像不仅可以提供待测目标众多的空间信息,还提供了不同波长的光谱信息。光谱分辨率是分光元件的主要参数之一。波长的光谱宽度越窄,能分辨出的最小波长间隔就越小,光谱分辨率也就越高,得到的光谱曲线就越接近真实情况。研究发现,双滤波结构能够有效地改善光谱分辨率,例如,Machikhin等[1]进行了两个AOTF的高光谱成像性能的实验研究,其研究表明双滤波能够改善信号的纯度和提高光谱分辨率。本文基于这些理论系统地研究了双滤波器的超光谱成像系统[2-6]。
随着自然科学技术的不断发展,显微图像的研究在生命科学、医学、农业等领域得到越来越广泛的关注。本文将双滤波技术结合光学倒置显微镜应用在超光谱显微成像领域,并对生物组织进行超光谱显微成像分析研究[7]。由于不同波谱的光谱图像之间存在差异,且伴随着大量的数据冗余,人们需要研究如何能够有效地利用不同波长的光谱图像,因此图像融合技术一直被广泛地研究。图像融合技术主要是采用某个算法,把具有不同波长的同一场景的多个图像融合成一个新图像,融合的图像能够最大程度地利用各个信息源提供的信息。张筱晗等[8]研究了基于多特征的高光谱与全色图像融合方法,该方法有效地保持了光谱信息,提高了融合图像的空间分辨率;潘树伟[9]进行了基于多尺度分析的医学图像融合算法研究,该技术将多种模态的图像提取与整合,使它们之间形成不同模态下的信息互补和冗余消除,为临床医学诊断提供更准确、更全面、更直观的依据。本文使用基于像素级RGB假彩色图像合成法对超光谱胃癌组织图像进行处理[10-13],并对处理结果进行差异化分析。
2 理论分析
考虑TeO2晶体的旋光性,光谱宽度
式中
AOTF在不同波长
式中
串联两个AOTF,经过AOTF单元后的光信号的衍射效率
式中
在
图 1. (a)二次滤波理论图;(b)二次滤波衍射效率与光谱宽度关系理论图
Fig. 1. (a) Theoretical diagram of doubler filtering; (b) theoretical diagram of relation between diffraction efficiency and spectral width of double filtering
3 实验设计与结果讨论
3.1 光谱分析
基于串联双滤波结构的超光谱显微实验系统如
在二次滤波超光谱成像系统实验中,将一次滤波AOTF的频率信号
表 1. AOTF1和AOTF2的设计参数和性能指标
Table 1. Designed parameters and performance index of AOTF1 and AOTF2
|
图 3. 单次滤波和二次滤波衍射效率测量曲线
Fig. 3. Measuring curves for the diffraction efficiency of single filtering and double filtering
中心波长偏离量的增大而减小,光谱宽度的变化符合理论研究。衍射效率和光谱宽度是评价AOTF性能的关键因素。双滤波在改善光谱宽度的同时,却以牺牲衍射效率为代价,如何实现两者之间的平衡显得格外重要。张春光等[14]在参考单次滤波情况下提出了在二次滤波中引入平衡因子,在保证信号质量的前提下,能够有效地提高光谱分辨率。
图 4. 二次滤波衍射效率最大值的理论计算与测量结果
Fig. 4. Theoretical calculation and measuring result of the maximum diffraction efficiency of double filtering
图 5. 二次滤波光谱宽度的理论计算与测量结果
Fig. 5. Theoretical calculation and measuring result of the spectral width of double filtering
以上研究在中心波长为
表 2. 中心波长相等时,一次滤波和二次滤波的实验数据
Table 2. Experimental data of single filtering and double filtering at the same center wavelength
|
3.2 图像分析
超光谱图像可以简单地理解为同一空间位置的宽带电磁波图像通过色散棱镜得到不同光谱波段的窄带电磁波图像,其以电磁波谱分析和成像光谱学为基础。电磁波谱分析用来研究不同物质的发射、反射、吸收电磁波能量的特性。成像光谱学是按照电磁波谱系的规律对不同波长的电磁波能量进行的排列记录。如
经过对比,选用相关性比较小的110,140,170 MHz的胃癌组织的超光谱图像,对应的波长分别为651.23,538.52,466.97 nm,并通过Matlab 2016版软件对三个波长的图像进行RGB三通道伪彩色融合[15-16]。
为了对这种差异性进行客观地描叙,分别选取
由
图 7. (a)胃癌组织显微图;(b)超光谱RGB图像融合图;(c)蓝色纵向直线区域的灰度值曲线;(d)紫色纵向直线区域的灰度值曲线
Fig. 7. (a) Gastric cancer micrograph; (b) fusion graph of hyperspectral RGB image; (c) gray value curves of the blue vertical line region; (d) gray value curves of the purple vertical line region
4 结论
作为一种分光元件,AOTF在超光谱成像领域具有广阔的应用前景。针对二次滤波法实现光谱分辨率提高的基本原理,系统地分析了二次滤波的衍射效率和光谱宽度的变化规律。通过双滤波系统结合显微镜对胃癌组织进行成像研究和分析,利用图像融合技术,有效地凸显胃癌组织图像的细节,该研究结果表明超光谱成像在医学领域具有广阔的应用前景。
[2] 王号, 黄峻峰, 张春光, 等. 利用串联双滤波技术改善声光滤波器光谱分辨率的实验研究[J]. 光电子·激光, 2015, 26(7): 1255-1259.
Wang H, Huang J F, Zhang C G, et al. Experimental research on improving the spectral resolution of an acousto-optical tunable filter by series double-filtering technique[J]. Journal of Optoelectronics·Laser, 2015, 26(7): 1255-1259.
[3] Wang P C, Zhang Z H. Hyperspectral imaging performance based on two TeO2 acuosto-optic tunable filters[J]. Applied Optics, 2017, 56(6): 1647-1653.
[5] 杨薇, 刘迎, 肖立峰, 等. 两级串联声光可调谐滤波器旁瓣抑制的研究[J]. 物理学报, 2009, 58(1): 328-332.
Yang W, Liu Y, Xiao L F, et al. Suppression of sidelobe levels using two cascaded sing-stage acousto-optic tunable filters[J]. Acta Physica Sinica, 2009, 58(1): 328-332.
[6] 张春光. 基于超光谱成像系统的声光可调滤波技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2008: 83- 89.
Zhang CG. The technology of the acousto-optic tunable filter based on the hyperspectral imaging system[D]. Harbin: Harbin Institute of Technology, 2008: 83- 89.
[7] 高强, 张春光, 王号, 等. 基于窄带AOTF人体胃壁细胞组织的超光谱显微成像[J]. 激光与光电子进展, 2015, 52(12): 122205.
[8] 张筱晗, 杨桄, 杨永波, 等. 基于多特征的高光谱与全色图像融合方法[J]. 红外技术, 2016, 38(10): 832-837.
[9] 潘树伟. 基于多尺度分析的医学图像融合算法研究[D]. 杭州: 浙江理工大学, 2017: 40- 51.
Pan SW. Medical image fusion algorithms based on multi-scale analysis[D]. Hangzhou:Zhejiang Sci-Tech University, 2017: 40- 51.
[10] 尹雯, 李元祥, 周则明, 等. 基于稀疏表示的遥感图像融合方法[J]. 光学学报, 2013, 33(4): 0428003.
Yin W, Li Y X, Zhou Z M, et al. Remote sensing image fusion based on sparse representation[J]. Acta Optica Sinca, 2013, 33(4): 0428003.
[11] 廖建尚, 王立国. 两类空间信息融合的高光谱图像分类方法[J]. 激光与光电子学展, 2017, 54(8): 081002.
[12] 杨航, 吴笑天, 贺柏根, 等. 基于多尺度导引滤波的图像融合方法[J]. 光电子·激光, 2015, 26(1): 170-176.
Yang H, Wu X T, He B G, et al. Image fusion based on multiscale guided filters[J]. Journal of Optoelectronics·Laser, 2015, 26(1): 170-176.
[13] 吕泽, 陈友华, 薛鹏, 等. AOTF相机成像过程中的图像畸变分析及校正研究[J]. 激光与光电子学进展, 2017, 54(9): 091101.
[15] 都琳, 孙华燕, 王帅, 等. 针对动态目标的高动态范围图像融合算法研究[J]. 光学学报, 2017, 37(4): 0410001.
Du L, Sun H Y, Wang S, et al. High dynamic range image fusion algorithm for moving targets[J]. Acta Optica Since, 2017, 37(4): 0410001.
[16] 杨超, 杨斌, 黄国玉. 基于多光谱图像超分辨率处理的遥感图像融合[J]. 激光与光电子学进展, 2016, 53(2): 021001.
石磊, 张春光, 王号, 原江伟. 基于声光可调滤波器双滤波技术的超光谱显微成像系统及其图像分析[J]. 激光与光电子学进展, 2018, 55(3): 032303. Lei Shi, Chunguang Zhang, Hao Wang, Jiangwei Yuan. Hyperspectral Microimaging System Based on Double-Filtering Technology of Acousto-Optic Tunable Filter and Its Image Analysis[J]. Laser & Optoelectronics Progress, 2018, 55(3): 032303.