[发明专利]一种提高推扫式光谱仪高光谱图像的实时分辨率的方法

说明书

本发明公开了一种提高推扫式光谱仪高光谱图像的实时分辨率的方法，涉及肿瘤检测技术领域，本发明采用实时反卷积算法对推扫式光谱仪照射得到的包含肿瘤组织和正常组织的二维矩阵进行分辨率优化处理，利用滑窗和成本函数求得对应时刻最优向量化的二维矩阵，所述最优向量化的二维矩阵所对应的图像即为该时刻分辨率优化后的高光谱图像，本发明能够有效提高图像分辨率，使得通过高光谱图像能够准确分辨病变组织和正常组织，得到明确的边界线，提高肿瘤高光谱图像边缘的清晰度。

技术领域

本发明涉及肿瘤检测技术领域，更具体的是涉及一种提高推扫式光谱仪高光谱图像的实时分辨率的方法。

背景技术

高光谱成像可以同时获得同一场景下的多幅不同频谱波段范围下的图像。相对于传统成像方式，高光谱图像包含丰富的频谱信息，广泛应用于卫星遥感、农业地质普查、医学成像、环境监控等领域。然而受成像传感器技术的限制，高光谱成像获得更丰富的频谱信息往往是以牺牲空间分辨率作为代价。

一副高光谱图像是含有三个维度的图像，包含两个空间维度和一个光谱维度，由于不同化学成分的光谱有明显区别，因此通过对高光谱图像的分析便可以分辨出不同成分，于是此技术被应用于医学中用以区分正常组织和病变组织。

目前在医学成像领域，由于设备分辨率有限，想要得到更高空间分辨率的成像，普遍是使用离线反卷积算法对离线的高光谱图像的空间分辨率进行提高，现有的反卷积算法主要针对整张图像，在外科手术中若要进行高效实时的肿瘤边缘分辨，需要运用推扫式光谱仪照射肿瘤，推扫式光谱仪是一种在线的高光谱成像系统，其摄像头在待照射组织区域按照一个方向推扫，每一个时间点返回一个包括空间维度和一个光谱维度的二维矩阵，但是现有技术需要等待整个图像成型得到整张离线的高光谱图像才能对图像进行反卷积处理来提高分辨率，这就对设备的存储要求较高，需要设备存储空间大，并且现有技术所采用的算法耗时较多，效率较低。

发明内容

本发明的目的在于：为了解决现有技术需要等待整个图像成型得到整张离线的高光谱图像才能对图像进行反卷积处理，耗费设备内存和时间的问题，本发明提供一种提高推扫式光谱仪高光谱图像的实时分辨率的方法。

本发明为了实现上述目的具体采用以下技术方案：

一种提高推扫式光谱仪高光谱图像的实时分辨率的方法，包括：

利用推扫式光谱仪按照设定波长范围内的每一波长照射包含肿瘤的组织区域，得到对应时刻的观测图像，基于离线卷积模型将观测图像表示为空间模糊图像与噪音干扰的结合得到离线观测图像卷积模型；

将离线观测图像卷积模型转换为在线卷积模型，所述在线卷积模型包括每一个波长所对应的包括在线空间模糊图像和在线噪音干扰的在线观测图像，所述在线观测图像由推扫式光谱仪观测得到的具有空间维度和光谱维度的二维矩阵的每一列元素构成；

向量化每一时刻的二维矩阵，构建滑窗，拼接滑窗内的多个向量化的二维矩阵，然后构建成本函数，基于成本函数对拼接后的向量化的二维矩阵进行在线反卷积处理优化分辨率，利用梯度下降法对成本函数进行计算，当成本函数的值最小时所对应的向量化的二维矩阵即为该时刻最优向量化的二维矩阵，所述最优向量化的二维矩阵所对应的图像即为对应时刻分辨率优化后的高光谱图像。

进一步的，所述观测图像为推扫式光谱仪按照一个方向在每一个时刻推扫包含肿瘤的组织区域得到的具有一个空间维度和一个光谱维度的观测二维矩阵。

进一步的，所述离线观测图像卷积模型的计算式为：

Y^p＝H^*p*X^p+E^p

其中，Y^p表示波长p的观测图像，H^*p为卷积核，X^p为波长p的待求解高光谱图像，E^p为噪音干扰。