1 上海理工大学健康科学与工程学院，上海 200093
2 上海健康医学院医疗器械学院，上海 201318
针对心脏磁共振图像中的心脏子结构之间灰度差异小导致的边界不清、右心室区域形状大小多变等影响分割精度的问题，提出一种结合频域先验知识和特征融合增强的心脏磁共振图像分割网络。所提模型是一个由频域先验引导子网络和特征融合增强子网络组合而成的D形结构网络。首先，通过傅里叶变换将原始图像从空间域转换为频域，提取出高频的边缘特征，并将频域先验引导的子网络的低级特征与特征融合增强子网络的对应阶段进行特征拼接融合，以提高边缘识别的能力；其次，在特征融合增强子网络的跳转连接处引入具有局部和全局注意力机制的特征融合模块，提取上下文信息并获得丰富的纹理细节；最后，在网络底部引入Transformer模块，进一步提取长距离语义信息，增强模型表达能力，提高分割精度。在ACDC数据集上的实验结果表明，与现有方法相比，所提方法在客观指标和视觉效果上均取得最佳的效果，良好的心脏分割结果能为后续图像分析和临床诊断提供参考依据。
图像分割 心脏磁共振图像 频域先验 注意力机制 傅里叶变换 激光与光电子学进展
2024, 61(10): 1037005
1 安徽建筑大学机械与电气工程学院，安徽 合肥 230601
2 合肥工业大学仪器科学与光电工程学院，安徽 合肥 230009
针对多聚焦图像融合过程中存在聚焦边缘模糊、伪影和块效应的问题，提出一种基于低秩稀疏矩阵分解（LRSMD）和离散余弦变换（DCT）实现多聚焦图像融合的算法。首先，利用LRSMD将源图像分解为低秩和稀疏矩阵两部分；然后，设计DCT方法检测低秩矩阵部分聚焦区域，构建初始焦点决策图，并利用重复一致性验证方法验证决策图，同时设计基于形态滤波的融合策略，得到稀疏矩阵部分融合结果；最后，采用加权重构方法对两部分进行融合。实验结果表明，相较于其他5种主流算法，所提算法在主观评价上具有高清晰度和全聚焦的优势，在客观评价上，边缘信息保持度、峰值信噪比、结构相似性及相关系数4个指标最高分别提高了62.3%、6.3%、2.2%及6.3%，证明所提算法有效提升了对源图像聚焦信息的提取能力，增强了聚焦边缘细节信息，同时对伪影和块效应的减少起到了重要作用。
图像处理 图像融合 低秩稀疏矩阵分解 离散余弦变换 激光与光电子学进展
2024, 61(10): 1037010
针对非远心结构光投影测量系统中单帧空间相位检测方法（SPD）存在的虚拟光栅频率与条纹载频失配问题，提出了一种新的解调频率获取方法。利用系统标定过程中预先获取的参考光栅在极值处的频率值拟合出频率函数，使得设计的虚拟光栅能与条纹载频更好匹配，将有用的相位信息准确移动到零频位置。此外，利用分段希尔伯特（Hilbert）变换消除了条纹背景对测量的影响，理论将单帧 SPD 方法的测量范围提高了近 2 倍；条纹背景信息的消除也放宽了 SPD 方法对低通滤波器带宽的限制，可提取更多的物面细节信息提高测量精度。仿真和实验结果验证了所提方法的有效性。结果表明，移除条纹背景后，单帧 SPD方法重建面形的最大误差减少了近一半。该方法对基于结构光投影的空间快速 3D 检测具有参考价值。
结构光投影 空间相位检测 分段希尔伯特变换 空域滤波 相位计算 structured light illumination spatial phase detection piecewise hilbert transform spatial filtering phase calculation
Author Affiliations
Abstract
1 School of Biomedical Engineering (Suzhou), Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei, Anhui 230026, P. R. China
2 Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou, Jiangsu 215163, P. R. China
3 School of Physical Science and Technology, Suzhou University of Science and Technology, Suzhou, Jiangsu 215009, P. R. China
Structured illumination microscopy (SIM) is a popular and powerful super-resolution (SR) technique in biomedical research. However, the conventional reconstruction algorithm for SIM heavily relies on the accurate prior knowledge of illumination patterns and signal-to-noise ratio (SNR) of raw images. To obtain high-quality SR images, several raw images need to be captured under high fluorescence level, which further restricts SIM’s temporal resolution and its applications. Deep learning (DL) is a data-driven technology that has been used to expand the limits of optical microscopy. In this study, we propose a deep neural network based on multi-level wavelet and attention mechanism (MWAM) for SIM. Our results show that the MWAM network can extract high-frequency information contained in SIM raw images and accurately integrate it into the output image, resulting in superior SR images compared to those generated using wide-field images as input data. We also demonstrate that the number of SIM raw images can be reduced to three, with one image in each illumination orientation, to achieve the optimal tradeoff between temporal and spatial resolution. Furthermore, our MWAM network exhibits superior reconstruction ability on low-SNR images compared to conventional SIM algorithms. We have also analyzed the adaptability of this network on other biological samples and successfully applied the pretrained model to other SIM systems.
Super-resolution reconstruction multi-level wavelet packet transform residual channel attention selective kernel attention Journal of Innovative Optical Health Sciences
2024, 17(2): 2350015
汕头大学 工学院 机械工程系, 广东 汕头 515063
视差不连续区域和重复纹理区域的误匹配率高一直是影响双目立体匹配测量精度的主要问题，为此，本文提出一种基于多特征融合的立体匹配算法。首先，在代价计算阶段，通过高斯加权法赋予邻域像素点的权值，从而优化绝对差之和（Sum of Absolute Differences，SAD）算法的计算精度。接着，基于Census变换改进二进制链码方式，将邻域内像素的平均灰度值与梯度图像的灰度均值相融合，进而建立左右图像对应点的判断依据并优化其编码长度。然后，构建基于十字交叉法与改进的引导滤波器相融合的聚合方法，从而实现视差值再分配，以降低误匹配率。最后，通过赢家通吃（Winner Take All，WTA）算法获取初始视差，并采用左右一致性检测方法及亚像素法提高匹配精度，从而获取最终的视差结果。实验结果表明，在Middlebury数据集的测试中，所提SAD-Census算法的平均非遮挡区域和全部区域的误匹配率为分别为2.67%和5.69%，测量200~900 mm距离的平均误差小于2%；而实际三维测量的最大误差为1.5%。实验结果检验了所提算法的有效性和可靠性。
机器视觉 立体匹配 SAD-Census变换 十字交叉法 引导滤波 machine vision stereo matching SAD-Census transform cross method guided filtering
1 石家庄铁道大学工程力学系，河北 石家庄 050043
2 石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室，河北 石家庄 050043
针对长脉冲热波激励后采集到的红外原始热图中缺陷对比度低、缺陷边缘模糊等问题，本文提出了一种基于傅里叶变换、频域相位积分和保边滤波的红外序列图像处理方法，该算法首先对冷却时间段内采集到的红外原始热图进行消背景处理，再利用傅里叶变换将试样表面的红外辐射信息转化为相位信息，频域相位积分处理可以将不同频率下缺陷的相位信息整合至一幅相位积分图中，最后通过保边滤波器及自适应伽马变换对积分图像进行增强和量化。该算法克服了传统方法需要人工从多张频率或成分图中甄别出最优检测结果的缺点，并且可以消除加热不均匀的影响，改善缺陷的可视化。试验结果从定性和定量两个角度验证评估了该算法的有效性，并讨论了采集参数的影响。
长脉冲热像法 傅里叶变换 相位增强 复合材料
1 中国科学院上海光学精密机械研究所高功率激光物理联合实验室，上海 201800
2 中国科学院大学材料与光电研究中心，北京 100049
针对具有圆对称结构特征的光束，提出了一种基于高阶准离散汉克尔变换的光束整形算法。与传统Gerchberg-Saxton算法相比，相同条件下，该算法能够在较少的迭代次数内实现快速收敛，并大幅节省计算时间（约100倍），利用该算法设计的衍射光学元件呈圆对称分布，结构简单、更易于加工；此外，设计实验对目标光束整形，验证了该算法的可行性，实验结果光强分布较好，为衍射光学元件的设计和加工提供了重要的指导意义。
物理光学 汉克尔变换 光束整形算法 Gerchberg-Saxton算法 衍射光学元件
针对单可见光或单红外条件下的IC器件表面缺陷对比度不足，缺陷检测精度低的问题，提出多光谱图像融合的IC器件表面缺陷检测方法。针对IC器件可见光与红外图像配准中存在尺度不一致和对比度反转问题，引入拉普拉斯金字塔和特征描述符重组策略改进ORB（Oriented FAST and Rotated BRIEF）图像配准算法。在图像配准的基础上，提出NSST_VP图像融合方法，以非下采样剪切波变换（Non-Subsample Shearlet Transform， NSST）得到红外图像和已配准可见光图像的低频和高频子带，对低频子带采用视觉显著图（Visual Significance Map， VSM）加权融合规则，高频子带则采用自适应脉冲耦合神经网络（PA- Pulse Coupled Neural Network， PA-PCNN）决策融合规则，进而通过NSST逆变换得到高质量多光谱融合图像。最后，将融合图像输入YOLOv8s模型进行检测。实验结果表明，改进ORB的图像配准平均精度为87.8%，比ORB图像配准精度提高了62%，NSST_VP图像融合算法在主观视觉效果和客观评价指标上均有所提高。在缺陷检测实验中，NSST_VP融合方法的均值平均精度（mean Average Precision， mAP）达到83.15%，比单可见光、单红外缺陷图像检测的mAP分别提高了22.97%，28.31%，比双树复小波变换融合、曲线变换融合、非下采样轮廓波变换融合方法的mAP分别提高了13.14%，15.01%，20.35%。
缺陷检测 IC器件 多光谱图像融合 图像配准 非下采样剪切波变换 YOLOv8s defect detection IC device multispectral image fusion image registration non-subsample shearlet transform YOLOv8s
1 河北工业大学 机械工程学院，天津30040
2 河北工业大学 电工装备可靠性与智能化国家重点实验室，天津300401
3 天津爱思达航天科技股份有限公司，天津00000
针对现有接触式测量方法装夹定位后只能测量一种或两种参数、检测效率低等问题，提出一种舵类结构件几何量误差和装配误差视觉检测方法。首先，利用计算机视觉系统获取舵轴和舵面区域图像，利用图像预处理技术去除图像畸变和噪声，为了更有效地提取舵类结构件边缘，分别采用Sobel算子、Scharr算子、Laplace算子和Canny算子对图像进行边缘检测以确定轮廓，实验对比发现Scharr算子处理后的舵轴图像边缘更清晰且无间断，Canny算子处理后的摇臂图像边缘比较清晰，因此选用Scharr算子提取舵轴图像边缘、Canny算子提取摇臂图像边缘。结合被测要素特点，采用霍夫直线和霍夫圆检测方法提取舵面边缘线特征、舵轴母线特征、摇臂圆轮廓特征；确定了舵芯对称度、舵轴垂直度、摇臂夹角的基准要素，构建了几何量误差检测目标函数，运用自适应遗传算法计算最优解；结合相机标定的内外参矩阵，得到舵芯对称度、舵轴垂直度、摇臂夹角的测量值。最后，研发了舵类结构件几何量误差和装配误差视觉检测软件，搭建了视觉检测实验平台，实现了几何量误差及装配角度误差快速检测功能。经过多次重复测量实验，对称度检测精度达到0.055 mm，垂直度检测精度达到0.225 mm，装配角度检测精度达到0.772°，完成单次检测耗时7 s。该方法不仅提高了几何量误差检测精度和检测效率，同时有助于提高舵类结构件成型-制造-在机检测的自动化和智能化水平。
舵类结构件 几何量误差 视觉检测 霍夫变换 air rudder geometric errors vision inspection hough transform
