Signal improvement in OCT: speckle noise reduction

Abstract

Fleckenrauschen ist ein unvermeidliches Störsignal in der optischen Kohärenztomographie, das auf die Kohärenz der verwendeten Lichtquelle zurückzuführen ist. Das Ziel dieser Arbeit ist die numerische Unterdrückung von Fleckenrauschen in in-vivo Tomogrammen von der menschlichen Netzhaut, die in einem FDOCT System aufgenommen wurden.<br />Die Verwendung der bidirektionalen FDOCT Methode hat den Vorteil, dass absolute Blutflussgeschwindigkeiten gemessen werden können. Die Geschwindigkeitsinformation ist im Phasenbild enthalten. Daher wird besonderes Augenmerk auf die Filterung von Phasenbilder gelegt.<br />Aufgrund der körnigen Struktur von Fleckenrauschen, das vor Allem durch diffuse Interferenzeffekte bei der Streuung des einfallenden Lichts an Blutkörperchen entsteht, wird die Bildqualität beeinträchtigt, was sich infolgedessen auch auf die Detailerkennung negativ auswirkt.<br />In dieser Arbeit werden zwei verschiedene Algorithmen, unter Einbeziehung der Fuzzy Mengen Theorie, auf Phasenbilder angewendet. Der Fuzzy Wavelet Algorithmus basiert auf der 2-dimensionalen diskreten, stationären Wavelet Transformation, gefolgt von der Fuzzifizierung von geeignet gewählten Fuzzy Variablen. Im letzten Schritt werden die einzelnen Wavelet Koeffizienten, je nach Rauschanteil, umskaliert. Im Fuzzy Diffusion Algorithmus kommt die Theorie der anisotropen Diffusion zur Anwendung. dabei wird jedes Pixel als eine punktförmige Wärmequelle betrachtet, deren zeitliche Entwicklung durch die Wärmeleitungsgleichung vorgegeben ist. Der entsprechende anisotrope Diffusionskoeffizient ergibt sich als Konsequenz zweier Fuzzy Variablen, nämlich der Verrauschtheit (Noisiness) und Kantigkeit (Edginess) eines Tomogramms.<br />In beiden Fällen wird die richtige Abwägung zwischen Rauschunterdrückung und Detailerhaltung durch die Anzahl der Iterationen bestimmt.<br />Die Ergebnisse zeigen, dass die Filter auf Phasenbilder genauso anwendbar sind wie man sie bisher auf Amplitudenbilder angewendet hat, was auch quantitativ durch die Bildqualitätsparameter belegt wird. Der Nachteil dabei ist der Verlust der Flussrichtung, da die Filter nur positive Zahlen verarbeiten. Drüberhinaus ergeben Untersuchungen einzelner Blutgefäße gute Übereinstimmungen zwischen den ungefilterten und den gefilterten Bildern, sowohl für die durchschnittlichen Flussgeschwindigkeiten als auch für die mittleren Gefäßdurchmesser. Die Untersuchung zweier Blutgefäßprofile in der Nähe der Verzweigung bestätigt die erwartete, verzerrte Parabelform, wobei die Maxima jeweils zueinander verschoben sind.

Speckle noise is an inevitable, disturbing signal component in optical coherence tomography (OCT) imaging systems arising from the coherence of the light used. The main objective of this work is numerical speckle noise reduction of in-vivo tomograms of the human retina, recorded in a Fourier domain optical coherence tomography (FDOCT) system. Using bidirectional FDOCT has the advantage of measuring absolute blood flow velocities. The latter is encoded within the phase contribution to the complete Fourier transformed image data. Therefore the primary goal is to denoise phase images.<br />Speckle noise, originating in diffuse interference effects of coherent light which is scattered by blood particles, reduces the quality and detail recognition of OCT tomograms due to its grainy structure.<br />In this work two algorithms, involving fuzzy set theoretical methods, are applied to phase images. The fuzzy wavelet algorithm is based on 2-dimensional discrete stationary wavelet transformation followed by a fuzzification process of appropriately defined fuzzy variables. The final step is to rescale the wavelet coefficients depending on the speckle content of each coefficient. The fuzzy diffusion algorithm makes use of the theory of anisotropic diffusion, where each pixel is considered as a heat spike whose temporal evolution is determined by the equation of heat conduction. The corresponding anisotropic diffusion coefficient is a consequence of two fuzzy variables considering the noisiness and edginess of a tomogram. In both cases the trade off between noise reduction and edge preservation is controlled by the number of iterations.<br />The results show that phase images can be denoised in the same way as amplitude images, which is also quantified by the image quality parameters. The only disadvantage is the loss of the blood flow direction. Furthermore analysing single vessel cross sections yields good correspondences between the unprocessed and the filtered average blood flow velocities as well as vessel dimensions. The analysis of two blood flow profiles near a vessel junction results in distorted parabolic flow distributions with shifted maxima towards each other.