[發明專利]一種基于大數據的擴散光層析成像智能化建模方法

在審

• 申請號: 202010896803.5
• 申請日: 2020-08-31
• 公開（公告）號: CN112037302A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 孔蘇鵬;林浩;何明標;程實;陳善利;姚瀅
• 申請（專利權）人: 南通大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T7/13;G06T7/136;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱小兵

1.一種基于大數據的擴散光層析成像智能化建模方法，其特征在于，包括以下步驟：

S1：采用超像素集特征提取方法進行擴散光層析成像的大數據信息采樣，構建擴散光層析成像超像素大數據集信息融合模型；

S2：所述擴散光層析成像超像素大數據集信息融合模型結合空間區域濾波方法進行擴散光層析成像濾波處理，提取擴散光層析成像的邊緣輪廓特征，結合圖像分塊匹配方法進行擴散光層析成像的特征匹配和分塊重組；

S3：分析擴散光層析成像像素大數據集的關聯特征量，通過自相關特征分解方法進行擴散光層析成像的尺度分解；

S4：結合大數據分析方法實現擴散光層析成像的三維重構，實現擴散光層析成像智能化建模。

2.根據權利要求1所述的一種基于大數據的擴散光層析成像智能化建模方法，其特征在于，所述步驟S1的具體步驟如下：

S1.1：首先構建擴散光層析成像的大數據分析模型，采用超像素特征融合方法，得到所對應的擴散光層析成像的超像素大數據特征分量為公式(1)與公式(2)：

公式(1)p(ω_i)為擴散光層析成像的超像素大數據集分布維數，u為超像素大數據集特征融合的關聯系數；

S1.2：采用模糊特征量融合方法，進行擴散光層析成像的像素特征點融合，建立擴散光層析成像的空間區域性重構模型，結合衍射紋理分析方法，建立擴散光層析成像的像素集大數據采樣模型；

S1.3：設擴散光層析成像的灰度像素集為(i,j)，以此為像素中心，采用銳化模板分塊組合方法構建擴散光層析成像的三維重構模型，對擴散光層析成像進行信息融合感知和三維重構，根據探測器上的熒光強度分析擴散光層析成像的灰度像素特征，使用共軛梯度迭代法方法，構建擴散光層析成像的稀疏性特征分割模型，得到熒光雅克比特征量為公式(3)：

S1.4：基于解耦合熒光蒙特卡羅模分析方法，分析光學衍射紋理特征量，進行擴散光層析成像信息融合感知和大數據信息采樣；

S1.5：結合層析成像的圖像重建方法，建立擴散光層析成像的視空間區域融合模型，采用大數據分析方法，進行擴散光層析成像的視覺信息采樣，得到背景介質光學參數特征分布為公式(4)：

S1.6：結合空間區域濾波方法進行擴散光層析成像濾波處理，并對關鍵光學衍射紋理特征點進行標記和圖像分割，構建擴散光層析成像邊緣信息采樣和信息融合模型，得到擴散光層析成像的模糊貼近度函數為公式(5)：

S1.7：選用背景介質光學參數進行空間區域模擬，構建擴散光層析成像的激發模型，得到適應度函數為公式(6)：

S1.8：基于擴散光層析成像的灰度像素級f，根據發光光子的權重信息構建擴散光層析成像的多維直方圖分布模型，得到擴散光層析成像的分塊模板匹配模型為公式(7)：

S1.9：在公式(2)至公式(7)中，當E_g＜k₀E_s，k₁σ_g＜σ_g＜k₂σ_s時，f(i,j)＝λx(i,j)+βx(i,j)，k₀,k₁,k₂表示擴散光層析成像視覺特征分布的最優極小值解，通過上述處理，實現擴散光層析成像融合。