角膜神经显微图像的自适应渐晕校正

李天宇; 李光旭; 张琛; 李方烃; 李德衡

doi:10.37188/OPE.20223020.2479

您当前的位置：

首页 >

文章列表页 >

角膜神经显微图像的自适应渐晕校正

信息科学 | 更新时间：2022-10-27

- 角膜神经显微图像的自适应渐晕校正
- Adaptive vignetting correction of corneal nerve microscopy images
- 光学精密工程 2022年30卷第20期页码：2479-2488
- 作者机构：
  
  1.天津工业大学电子与信息工程学院，天津 300387
  2.天津市光电检测技术与系统重点实验室，天津 300387
  3.天津医科大学眼科医院眼视光学院，天津 300384
  4.国家眼耳鼻喉疾病临床医学研究中心天津市分中心，天津 300384
  5.天津市视网膜功能与疾病重点实验室，天津 300384
  6.北京大学人民医院眼科，北京 100044
  7.瑞达昇医疗科技有限公司，北京 101100
- 作者简介：
  
  [ "李天宇（1997-），男，山东德州人，硕士研究生，主要从事医学图像处理方面的研究。E-mail： litianyu@tiangong.edu.cn" ]
  [ "李光旭（1983-），男，天津人，博士，硕士生导师，主要从事医学图像处理、计算机辅助诊断的算法研究。E-mail： liguangxu@tiangong.edu.cn" ]
- 基金信息：
  
  天津市科技计划项目(20YDTPJC01530);天津市自然科学基金面上项目(19JCYBJC16200);北京大学人民医院研究与发展基金资助项目(RDY2020-03)
- DOI：10.37188/OPE.20223020.2479
  中图分类号： TP391.4;TP317.4
- 收稿日期：2022-05-07，
  
  修回日期：2022-06-02，
  
  纸质出版日期：2022-10-25
- 稿件说明：
移动端阅览
李天宇,李光旭,张琛等.角膜神经显微图像的自适应渐晕校正[J].光学精密工程,2022,30(20):2479-2488.

LI Tianyu,LI Guangxu,ZHANG Chen,et al.Adaptive vignetting correction of corneal nerve microscopy images[J].Optics and Precision Engineering,2022,30(20):2479-2488.
李天宇,李光旭,张琛等.角膜神经显微图像的自适应渐晕校正[J].光学精密工程,2022,30(20):2479-2488. DOI： 10.37188/OPE.20223020.2479.

LI Tianyu,LI Guangxu,ZHANG Chen,et al.Adaptive vignetting correction of corneal nerve microscopy images[J].Optics and Precision Engineering,2022,30(20):2479-2488. DOI： 10.37188/OPE.20223020.2479.

摘要

通过拼接角膜神经图像可以减小显微图像视场小的影响。由于显微图像存在渐晕效果，拼接图像会在拼接处产生伪影，影响医生诊断。为解决拼接图像的渐晕伪影问题，提出了一种通过非线性多项式函数建模进行图像渐晕校正的方法。首先，对单张角膜神经图像建立渐晕模型，设置符合渐晕物理性质的约束条件，利用L-M优化算法对渐晕模型参数进行迭代优化。在每次迭代优化过程中，计算对数信息熵，对当前渐晕模型的校正效果进行判断，防止图像过度校正。迭代优化结束后，将渐晕模型反向补偿原图像，完成渐晕校正处理。通过对比校正前后的拼接图像，校正后图像在拼接处无明显的渐晕伪影。实验测试5组不同患者的图像，校正后图像MSE、PSNR、SSIM评估指标平均值分别达到0.004 2、72.225 1 dB、0.960 0，具有最佳的校正效果。本文算法的校正效果明显优于其他同类算法的校正效果。该方法能够有效地对角膜图像渐晕效果进行校正，无须提前设置固定的相机和环境亮度参数。校正后图像拼接效果良好，可获得更加准确、清晰、视野范围大的角膜神经拼接图像。

Abstract

The effect of a small field of view of microscopic images can be improved by stitching corneal nerve images. Owing to the vignetting effect of microscopic images， the stitched images can produce artifacts at the stitch site， affecting the diagnosis. To solve the problem of vignetting artifacts in stitched images， this study presents a method for correcting image vignetting by using nonlinear polynomial function modeling. First， a vignetting model is established for a single corneal neural image， constraints consistent with the physical properties of the vignetting are set， and the parameters of the vignetting model are iteratively optimized using the Levenberg–Marquardt optimization algorithm. During each optimization iteration， the logarithmic information entropy is calculated to determine the correction effect of the current vignetting model and prevent overcorrection of the image. At the end of the iterative optimization， the vignetting model is reversed to compensate for the original image and complete the vignetting correction process. A comparison of the stitched images before and after correction reveals that the corrected images have no obvious vignetting artifacts at the stitch site. Experiments on the images of five patient groups show that the mean values of the mean squared error， peak signal-to-noise ratio， and structural similarity evaluation indices of the corrected images reach 0.004 2， 72.225 1， and 0.960 0， respectively， with the best correction effect. The correction effect of the proposed algorithm is significantly better than that of other similar algorithms. The proposed method can effectively correct corneal image vignetting effects without cameras or environmental brightness parameters being fixed in advance. The corrected-image stitching effect is good； corneal-nerve stitching images that are more accurate and clearer with a larger field of view can be obtained.

关键词

Keywords

references

SHAHEEN B S ， BAKIR M ， JAIN S . Corneal nerves in health and disease ［J］. Survey of Ophthalmology ， 2014 ， 59 （ 3 ）： 263 - 285 . doi: 10.1016/j.survophthal.2013.09.002 http://dx.doi.org/10.1016/j.survophthal.2013.09.002

李钧，张泺 . 角膜的神经支配［J］. 国外医学.眼科学分册， 1990 （ 6 ）： 341 - 344 .

LI J ， ZHANG L . Innervation of cor nea ［J］. Foreign medicine. Ophthalmology ， 1990 （ 6 ）： 341 - 344 （in Chinese）

张倩，梁晓春 . 糖尿病周围神经病变的无创性筛查及评估方法的研究进展［J］. 中国医学科学院学报， 2021 ， 43 （ 1 ）： 124 - 129 .

ZHANG Q ， LIANG X C . Advances in noninvasive methods for screening and evaluating diabetic peripheral neuropathy ［J］. Acta Academiae Medicinae Sinicae ， 2021 ， 43 （ 1 ）： 124 - 129 . （in Chinese）

车宁宁，丁冠晓，陈思远，等 . 帕金森病患者的角膜神经纤维变化特点分析［J］. 中华医学杂志， 2021 ， 101 （ 7 ）： 498 - 503 . doi: 10.3760/cma.j.cn112137-20200614-01851 http://dx.doi.org/10.3760/cma.j.cn112137-20200614-01851

CHE N N ， DING G X ， CHEN S Y ， et al . Measurement of corneal nerve fiber parameters in patients with Parkinson's disease ［J］. National Medical Journal of China ， 2021 ， 101 （ 7 ）： 498 - 503 . （in Chinese） . doi: 10.3760/cma.j.cn112137-20200614-01851 http://dx.doi.org/10.3760/cma.j.cn112137-20200614-01851

薛春燕，黄振平，吴艳，等 . 人活体角膜神经形态特征的激光共焦显微镜观察［J］. 南京大学学报（自然科学）， 2010 ， 46 （ 2 ）： 210 - 215 .

XUE C Y ， HUANG Z P ， WU Y ， et al . In vivo visualization of the morphology of human normal and diseased corneal nerves ［J］. Journal of Nanjing University （Natural Sciences）， 2010 ， 46 （ 2 ）： 210 - 215 . （in Chinese）

徐宝腾，杨西斌，刘家林，等 . 高速扫描激光共聚焦显微内窥镜图像校正［J］. 光学精密工程， 2020 ， 28 （ 1 ）： 60 - 68 . doi: 10.3788/ope.20202801.0060 http://dx.doi.org/10.3788/ope.20202801.0060

XU B T ， YANG X B ， LIU J L ， et al . Image correction for high speed scanning confocal laser endomicroscopy ［J］. Opt. Precision Eng. ， 2020 ， 28 （ 1 ）： 60 - 68 . （in Chinese） . doi: 10.3788/ope.20202801.0060 http://dx.doi.org/10.3788/ope.20202801.0060

PATEL D V ， MCGHEE C N J . In vivo confocal microscopy of human corneal nerves in health， in ocular and systemic disease， and following corneal surgery： a review ［J］. The British Journal of Ophthalmology ， 2009 ， 93 （ 7 ）： 853 - 860 . doi: 10.1136/bjo.2008.150615 http://dx.doi.org/10.1136/bjo.2008.150615

纵浩天，张运海，王发民，等 . 大视场线扫描共聚焦全息显微成像［J］. 光学精密工程， 2021 ， 29 （ 1 ）： 1 - 9 . doi: 10.37188/OPE.20212901.0001 http://dx.doi.org/10.37188/OPE.20212901.0001

ZONG H T ， ZHANG Y H ， WANG F M ， et al . Large field of view line-scanning confocal holographic microscopy ［J］. Opt. Precision Eng. ， 2021 ， 29 （ 1 ）： 1 - 9 . （in Chinese） . doi: 10.37188/OPE.20212901.0001 http://dx.doi.org/10.37188/OPE.20212901.0001

LUM E ， GOLEBIOWSKI B ， SWARBRICK H A . Mapping the corneal sub-basal nerve plexus in orthokeratology lens wear using in vivo laser scanning confocal microscopy ［J］. Investigative Ophthalmology & Visual Science ， 2012 ， 53 （ 4 ）： 1803 - 1809 . doi: 10.1167/iovs.11-8706 http://dx.doi.org/10.1167/iovs.11-8706

王春梅，黄晓峰，杨家骥，等 . 激光扫描共聚焦显微镜技术［M］. 西安：第四军医大学出版社， 2004 .

WANG C M ， HUANG X F ， YANG J J ， et al . Laser scanning confocal microscope technology ［M］. Xian ： Fourth Military Medical University Press ， 2004 （in Chinese）

GOLDMAN D B . Vignette and exposure calibration and compensation ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2010 ， 32 （ 12 ）： 2276 - 2288 . doi: 10.1109/tpami.2010.55 http://dx.doi.org/10.1109/tpami.2010.55

PICCININI F ， BEVILACQUA A . Colour vignetting correction for microscopy image mosaics used for quantitative analyses ［J］. BioMed Research International ， 2018 ， 2018 ： 7082154 . doi: 10.1155/2018/7082154 http://dx.doi.org/10.1155/2018/7082154

ZHENG Y J ， GROSSMAN M ， AWATE S P ， et al . Automatic correction of intensity nonuniformity from sparseness of gradient distribution in medical images ［C］. Medical Image Computing and Computer-Assisted Intervention-MICCAI 2009 ， 2009 ： 852 - 859 . doi: 10.1007/978-3-642-04271-3_103 http://dx.doi.org/10.1007/978-3-642-04271-3_103

CHERNAVSKAIA O ， GUO S X ， MEYER T ， et al . Correction of mosaicking artefacts in multimodal images caused by uneven illumination ［J］. Journal of Chemometrics ， 2017 ， 31 （ 6 ）： e2908 . doi: 10.1002/cem.2908 http://dx.doi.org/10.1002/cem.2908

D'Angelo P . Radiometric alignment and vignetting calibration ［C］. Proceedings of International Conference on Computer Vision Systems ， 2007 .

SMITH K ， LI Y P ， PICCININI F ， et al . CIDRE： an illumination-correction method for optical microscopy ［J］. Nature Methods ， 2015 ， 12 （ 5 ）： 404 - 406 . doi: 10.1038/nmeth.3323 http://dx.doi.org/10.1038/nmeth.3323

PENG T Y ， THORN K ， SCHROEDER T ， et al . A BaSiC tool for background and shading correction of optical microscopy images ［J］. Nature Communications ， 2017 ， 8 ： 14836 . doi: 10.1038/ncomms14836 http://dx.doi.org/10.1038/ncomms14836

TAVAKOLI M ， HOSSAIN P ， MALIK R A . Clinical applications of corneal confocal microscopy ［J］. Clin Ophthalmol ， 2008 ， 2 （ 2 ）： 435 - 445 .

LENZ R K ， TSAI R Y . Techniques for calibration of the scale factor and image center for high accuracy 3-D machine vision metrology ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 1988 ， 10 （ 5 ）： 713 - 720 . doi: 10.1109/34.6781 http://dx.doi.org/10.1109/34.6781

GROSSBERG M D ， NAYAR S K . Modeling the space of camera response functions ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2004 ， 26 （ 10 ）： 1272 - 1282 . doi: 10.1109/tpami.2004.88 http://dx.doi.org/10.1109/tpami.2004.88

LIKAR ， MAINTZ ， VIERGEVER ， et al . Retrospective shading correction based on entropy minimization ［J］. Journal of Microscopy ， 2000 ， 197 （ 3 ）： 285 - 295 . doi: 10.1046/j.1365-2818.2000.00669.x http://dx.doi.org/10.1046/j.1365-2818.2000.00669.x

ROHLFING T . Single-image vignetting correction by constrained minimization of log-intensity entropy ［OL］.（ 2012 ）［ 2021-05-16 ］. http：//citeseerx.ist.psu.edu/viewdoc/download？doi=10.1.1. 258. 4780 &rep=rep1&type=pdf http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.258.4780&rep=rep1&type=pdf . doi: 10.1007/978-3-319-19222-2_38 http://dx.doi.org/10.1007/978-3-319-19222-2_38

WANG Z ， BOVIK A C ， SHEIKH H R ， et al . Image quality assessment： from error visibility to structural similarity ［J］. IEEE Transactions on Image Processing ， 2004 ， 13 （ 4 ）： 600 - 612 . doi: 10.1109/tip.2003.819861 http://dx.doi.org/10.1109/tip.2003.819861

浏览量

1267

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

LightDiffu-DCE：基于光照强度扩散的低光照图像增强

多级图特征融合引导相机位姿回归

基于机载的红外动态目标视频实时超分辨率重建

基于知识蒸馏的Transformer视觉跟踪器

3D-CNN与Transformer混合结构的高光谱图像空谱联合分类