一种基于聚类的人眼哈特曼光斑图像去噪方法
技术领域
本发明涉及夏克-哈特曼波前传感测量技术在人眼自适应光学中的应用领域，特别涉及一种基于聚类的人眼哈特曼光斑图像去噪方法，可以消除背景噪声、相机读出噪声、光学器件反光噪声及人眼角膜反光噪声对人眼像差测量的影响。
背景技术
人眼像差中除了含有离焦、散光等低阶像差外，还含有不可忽略的高阶像差组分。自适应光学技术能够同时实现对人眼低阶及高阶像差的精确测量及矫正，直接推动了眼底影像学和视光学的发展。在现有的人眼自适应光学系统中，广泛采用哈特曼波前传感器获取人眼像差光斑图像，基于该图像使用波前复原技术实现对人眼像差的测量，进而驱动波前矫正器对像差进行补偿矫正，从而消除人眼像差对整个系统的影响。然而，由于在人眼自适应光学系统中存在各种各样的噪声如：相机读出噪声、随机背景噪声、系统光学器件反光噪声、人眼角膜反光噪声等，导致获得的原始人眼像差哈特曼光斑图像并不理想。因此如何去除哈特曼光斑图像中的各种噪声，从而提高系统对人眼像差的测量精度对于整个人眼自适应光学系统显得尤为重要。
哈特曼光斑图像同时受到多种噪声的影响，其中随机噪声及背景噪声可以采用阈值去燥、滤波去燥等方法轻易去除，而光学器件反光及角膜反光噪声用一般的阈值方法却难以消除。传统的解决方案通常是对光学系统硬件进行调整或对整个光学系统进行特殊设计，如添加环形照明、采用反射式光学系统代替透射式系统、对入射光进行偏心入射等，然而这些方法增加了系统复杂度及成本，使得系统装调难度加大，甚至在一些特定情况下无法实现。针对人眼哈特曼光斑中各种反光噪声难以消除的问题，本发明提出了一种基于聚类的人眼哈特曼光斑图像去燥方法，该方法使用图像处理技术实现对人眼哈特曼光斑图像各类噪声的去除，提高了人眼像差的探测精度；与传统基于硬件改造及光学系统特殊定制方法相比，本发明降低了系统复杂度及成本，同时本方法无需人为设定参数，易于使用。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提出一种基于聚类的人眼哈特曼光斑图像去噪方法，实现对人眼哈特曼光斑图像中各类噪声的去除，从而提高人眼像差的探测精度。
本发明解决上述技术问题采用的技术方案是：一种基于聚类的人眼哈特曼光斑图像去噪方法，该方法包括如下步骤：
步骤(1)、使用相机从光学系统中获取人眼哈特曼光斑原始图像I(x,y)，其中(x,y)为坐标位置，图像大小为M×N；
步骤(2)、对原始图像进行二分类聚类，获得分类标记矩阵L(x,y)，其中L(x,y)＝1表示背景噪声类，L(x,y)＝2表示前景类；
步骤(3)、利用标记矩阵L对原始图像进行处理，实现对图像背景噪声、CCD读出噪声的去除，获得图像M(x,y)；具体方法为：初始化M(x,y)＝I(x,y),然后按照如下公式进行处理：
I(x,y)＝0,if L(x,y)＝1
步骤(4)、对步骤(2)中获得的标记矩阵L进行处理，构建行计数矩阵R(x,y)；具体构建方法：
步骤(5)、对行计数矩阵R进行二分类聚类，获得聚类标记RL(x,y),其中RL(x,y)＝1表示光学器件反光或人眼角膜反光点所处位置，RL(x,y)＝2表示正常人眼像差光斑所处位置；
步骤(6)、对步骤(2)中获得的标记矩阵L进行处理，构建列计数矩阵C(x,y)；具体构建方法：
步骤(7)、对列计数矩阵C进行二分类聚类，获得聚类标记CL(x,y),其中CL(x,y)＝1表示光学器件反光或人眼角膜反光点所处位置，CL(x,y)＝2表示正常人眼像差光斑所处位置；
步骤(8)、利用标记矩阵RL、CL对图像M进行处理，获得去除光学器件反光和人眼角膜反光噪声后的最终图像F(x,y)，具体方法为：初始化F(x,y)＝M(x,y),然后按照如下公式进行处理：
F(x,y)＝0,if RL(x,y)＝1||CL(x,y)＝1
本发明与现有技术相比所具有的优点：
(1)本发明无需对系统进行额外的硬件修改及光路设计，纯粹的软件计算，不增加系统的成本及复杂度；
(2)本发明完全自动进行，无需人为设定各类参数，易于使用；
(3)本发明适应能力强，可以使用在任一具有背景噪声及反光噪声的哈特曼光斑图像上。
附图说明
图1为本发明一种基于聚类的人眼哈特曼光斑图像去噪方法的流程图；
图2为本发明中针对某一具体人眼哈特曼光斑图像进行去燥处理前后的图像。
具体实施方式
为了清楚详细的阐述本发明的实现过程，下面给出了本发明的具体实施例。下面参照附图对本发明的优选实施例进行详细说明，在描述过程中省略了对于本发明来说是不必要的细节和功能，以防止对本发明的理解造成混淆。
本发明一种基于聚类的人眼哈特曼光斑图像去噪方法的流程图如图1所示，下面分别说明：
方法首先通过系统硬件获取原始人眼哈特曼光斑图像如图2(a)所示，可见该原始图像同时受到各类背景噪声及反光噪声的影响，直接使用该图像进行波前复原会影响人眼像差的测量精度。算法将通过以下步骤对图像进行去燥处理：
步骤(1)、对原始图像进行二分类聚类，获得分类标记矩阵L(x,y)，其中L(x,y)＝1表示背景噪声类，L(x,y)＝2表示前景类；
步骤(2)、利用标记矩阵L对原始图像进行处理，实现对图像背景噪声、CCD读出噪声的去除，获得图像M(x,y)；具体方法为：初始化M(x,y)＝I(x,y),然后按照如下公式进行处理：
I(x,y)＝0,if L(x,y)＝1
经过该步骤后获得去除背景噪声及CCD读出噪声后的图像结果如图2(b)所示。
步骤(3)、对步骤(1)中获得的标记矩阵L进行处理，构建行计数矩阵R(x,y)；具体构建方法：
步骤(4)、对行计数矩阵R进行二分类聚类，获得聚类标记RL(x,y),其中RL(x,y)＝1表示光学器件反光或人眼角膜反光点所处位置，RL(x,y)＝2表示正常人眼像差光斑所处位置；
步骤(5)、对步骤(1)中获得的标记矩阵L进行处理，构建列计数矩阵C(x,y)；具体构建方法：
步骤(6)、对列计数矩阵C进行二分类聚类，获得聚类标记CL(x,y),其中CL(x,y)＝1表示光学器件反光或人眼角膜反光点所处位置，CL(x,y)＝2表示正常人眼像差光斑所处位置；
步骤(7)、利用标记矩阵RL、CL对图像M进行处理，获得去除光学器件反光和人眼角膜反光噪声后的最终图像F(x,y)，具体方法为：初始化F(x,y)＝M(x,y),然后按照如下公式进行处理：
F(x,y)＝0,if RL(x,y)＝1||CL(x,y)＝1
经过上诉步骤处理后最终图像F(x,y)如图2(c)所示，可见原始图像中的背景噪声以及反光噪声均已被有效的去除。
至此已经结合优选实施例对本发明进行了描述。应该理解，本领域技术人员在不脱离本发明的精神和范围的情况下，可以进行各种其它的改变、替换和添加。因此，本发明的范围不局限于上述特定实施例，而应由所附权利要求所限定。
