[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

本發明涉及擴散光層析成像技術領域，具體涉及一種基于大數據的擴散光層析成像智能化建模方法。本發明包括以下步驟：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。

技術領域

本發明涉及擴散光層析成像技術領域，具體涉及一種基于大數據的擴散光層析成像智能化建模方法。

背景技術

隨著光檢測和光成像技術的發展，采用擴散光層析成像技術進行光檢測研究，根據擴散光層析成像結果分析成像物體的表面紋理特征，提高對目標的探測和識別能力，但在進行擴散光層析成像過程中，受到光學特征衍射和環境干擾等因素的影響，導致擴散光層析成像的質量不好，輸出圖像的信噪比不高，需要建立擴散光層析成像優化模型，結合圖像優化處理和大數據信息分析方法，進行擴散光層析成像的數學模型優化設計，提高擴散光層析成像質量，相關的擴散光層析成像方法研究受到人們的極大重視。

對擴散光層析成像智能化建模方法研究是建立在對擴散光層析成像的圖像信息分析和特征提取基礎上，提取擴散光層析成像的模糊特征量，采用機器學習方法實現擴散光層析成像信息融合感知和分割，提高成像質量，傳統方法中，擴散光層析成像智能化建模方法主要有Kalman建模方法、小波信息融合方法、高分辨特征分割方法等，結合分塊區域模板匹配方法進行擴散光層析成像的特征分割，實現擴散光層析成像優化，但傳統方法進行擴散光層析成像的特征分布能力不好，成像質量較差。

發明內容

本發明針對現有技術中存在的不足，本發明的目的是提出了解決傳統方法進行擴散光層析成像的特征分布能力不好，成像質量較差問題的一種基于大數據的擴散光層析成像智能化建模方法。

本發明為實現上述發明目的，采取的技術方案如下：

一種基于大數據的擴散光層析成像智能化建模方法，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。

作為本發明的優選技術方案：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；