一种基于激光扫描眼底相机成像方法及图像处理技术

时间：2024-09-03

苏州健雄职业技术学院人工智能学院沈健

图像是人类认识世界的重要源泉，也是自然界在人脑中的客观反映。图像包含了被拍物体的客观信息，也是人类认识物体的最主要的信息源。但是因为拍摄设备、拍摄环境、以及人的状态等多种因素，图像与实际的景象一定会存在差异，有的因为设备原因拍出来的图像很暗，还有的因为聚焦问题导致图像和实际场景失真等等，这些图像就会出现一些非信息性的暗区，给图像处理带来麻烦，在医疗设备中这样的麻烦就可能给医生诊疗产生错误的结果。

直接和间接检眼镜在眼科检查项目中，一般通过强光或较强光透过瞳孔对视网膜进行照射，来观察视网膜的病理结构，这种强光通常为视网膜耐受的10%～100%，这在正常眼或许能够接受，对于病理性眼球却可能造成眼球的永久性损伤。

针对此问题，20世纪70年代以来，通过激光完成对眼睛的扫描方法，越来越多，激光扫描检眼镜是由波士顿Scheoens研究所研制，其通过一束聚焦的、暗的激光束（亮度不足间接检眼镜的1/1000）扫描眼底，每次一个点，反射光由光检测器接收放大，一点一点地获得眼底点图形，再通过电子计算机进行数字合成，形成监视器图像的电子束与扫描视网膜的激光束同步，从而获得清晰的视网膜结构图像。此外，还有激光扫描共聚焦显微镜等设备都可以实现视网膜荧光成像。

本文介绍一种基于激光扫描眼底相机成像方法，通过相机镜头平面、激光焦平面和物平面交于一线，符合沙姆定律实现对受检眼球的观察和3D成像，将沙姆定律（Scheimpflug principle）与激光检眼镜进行结合，同时观察眼疾及得到前眼部清晰图像。

1 成像方法介绍

具体成像方法如下：

（1）打开激光扫描仪，激光扫描仪发射出激光后，通过反射镜将激光反射至穿孔镜，穿孔镜再将激光反射至受检眼部；

（2）调整SLO的焦距，先使用红外激光射出激光，通过反射镜将激光反射至穿孔镜，穿孔镜再将激光反射至前眼部位置，调焦完成后，再使用不同波长的RGB激光进行光学检测，使激光聚焦于前眼部位置；

（3）控制垂直裂隙光并将其投射到受检眼前眼部，通过调节激光扫描仪上激光曝光时间，通过横向扫描垂直狭缝光，满足眼球斜角位置的相机实现受检眼眼球的全面扫描，满足眼球斜角位置的相机拍摄多角度的激光前眼部断层图像，得到全方位地图像信息；

（4）相机扫描的方式分为水平扫描和旋转扫描，水平扫描的方法为：通过对激光扫描仪测量头的水平移动，完成对受检眼前眼部断层成像；旋转扫描的方法：通过对相机独立或整合旋转，设置在两侧的眼球斜角位置，调整眼球斜角位置的相机扫描，相机在不同位置获取多个受检眼前眼部断层图像；

（5）通过控制RGB激光曝光时间获取受检眼前眼部断层图像，并进行处理，得到受检眼眼底3D图片。本论文介绍的成像方法先使用红外激光射出激光，通过反射镜将激光反射至穿孔镜，穿孔镜再将激光反射至前眼部位置，前眼部位置的图像通过穿孔镜投到第二个穿孔镜处，第二个穿孔镜将图像反射到第二反射镜，通过第二反射镜将图像反射到观察镜，与此同时，相机会对第二个穿孔镜中的图像进行拍摄。图1所示为成像原理的结构示意图。

图1 成像原理的结构示意图

2 图像处理技术

2.1 数据输入

RGB激光扫描后通过欧式变换对激光进行旋转、平移变换，并将该变换构成一个群集，x’=[R t]x，其中R是一个3×3正交旋转矩阵，x表示非齐次矢量，t表示变换距离，x’表示齐次矢量；

相机通过RGB激光采集图像经过处理输出一个彩色图像，定义为：g(x)=h(f1(x)f2(x)f3(x))，其中x属于3D定义域，函数f1、f2、f3、g表示在某个值域上的操作，h表示RGB三色图像处理算法因子。

2.2 彩色变换

通过对每个通道乘以不同的尺度因子来增加每个像素的亮度，调整每个像素的色调和饱和度，来实现图像色彩平衡，即将RGB映射到XYZ彩色空间，改变标称点，再重新映射到RGB空间；

2.3 训练

彩色变换处理后的图片通过分析，发现有两个问题：（1）有些图像很暗，有些图片颜色照明混淆；（2）有些图片出现较大的非信息性的暗区。

解决这两个问题可以通过结合不同的曝光度图像的像素直接生成合成图来处理，但这种方法有对比度反转和光环的风险，我们经常采用下面三个步骤来处理。

（1）所谓辐照度响应函数，就是指它将到达镜头的光子映射到存储在图像文件中的数值

其中tj是第j幅图像的曝光时间，Ei是幅照度值，通过对其逆可表达式进行数学变换，显示曝光输入图像以及对应的辐照度图。

从配准的图像中利用贝叶斯模型对每幅图像估计一个独立的光滑响应函数，该函数模拟当前图片的自动对比度和色调调节。

（2）一旦响应函数被确定，就可以通过从不同曝光度的图像中选择或者混合像素来估计辐射照度图，就是设计一个辐射照度图。如果响应函数和图像都精确已知，也就是它们都是没有噪声，我们就可以通过用逆响应曲线E=g(z)来映射任何一个非饱和的像素值从而估计出对应的辐照图。但是像素都是由噪声的，特别是在低光照条件下，因此我们需要进行适当的补偿，采用一个加权函数来补偿色调居中的函数，利用权重w来形成最终的辐照度估计。

（3）我们采用一种基于交互的方法，在每个像素设定目标曝光值，并通过插值进行加权最小二乘将他们转换为分段光滑的调整图像。

其中g(x,y)和f(x,y)分别表示输入和输出对数曝光度，数据加权项wd(x,y)在设立处为1，其他地方为0。光滑度加权项ws(x,y)反比于对数亮度梯度，因而导致f(x,y)图像在低梯度区域较为光滑，而高梯度区域有些不连续。