通过对光学相干层析(OCT)系统中的噪声源进行分析,提出了一种将小波变换和分数阶积分结合的OCT图像去噪方法。先将OCT图像进行小波分解,获得不同频带的子图像。将低频近似图像保持不变,对水平、垂直和对角三个方向的高频细节图像采用三种改进的分数阶积分Tiansi模板进行滤波,最后将低频近似图像与三个分数阶积分滤波后的高频细节图像合成,得到去噪后的图像。实验结果表明;该算法在有效降低OCT图像散斑噪声的同时,尽可能地保留了图像的细节;相比经典的去噪算法和单一的分数阶积分算法,本文算法的去噪效果较好。

利用光学相干层析成像(OCT)获得视网膜图像并对其进行分层，进而获得各视网膜层的厚度，在许多眼科疾病的临床诊断中具有重要作用。高散斑噪声、低图像对比度、存在血管等复杂结构等因素使得对视网膜的精确分层难以实现。提出了一种视网膜OCT图像的自动分层方法，利用三维块匹配和均值滤波去噪对图像进行预处理，分两步对视网膜图像分层，在每个A扫描上设置可变阈值进行逐层分割作为初步分层结果，然后对各层的初步分层结果进行连续性和完整性判断和修正。对健康和患病视网膜的OCT图像进行分层以验证提出方法的有效性。实验结果显示该方法能够精确地分出9层视网膜层，平均层边界位置偏差为(1.34±0.24) pixel。该方法能够适应噪声高、对比度低的图像，对存在血管等复杂结构的图像同样能够实现较好的分层。

matlab灰色处理代码OCT_preprocess，tanh为婷 光学相干断层扫描（OCT）的预处理包括以下步骤： octSpectrailisReader将OCT图像转换为python可处理的nd-array，并在matlab.pyplot.imshow所示的第一层图像OCT图像中检索有用的信息： retinaDetect查找内部限制膜（ILM），内部段（IS），外部段（OS）和Bruch膜（BM）的边界所示图像上的三行是ILM，ISOS（IS和OS的组合）和BM代码检测到的边界： 对图像进行归一化后，normalizeOCT对OCT图像进行归normalizeOCT化并减少噪声，灰度图像如下所示： retinaFlatten根据retinaDetect中的返回值计算retinaDetect并使用BM作为基线展平图像。 灰度和RGB两种形式的最终图像：

该脚本演示了如何使用图论来分割光学相干断层扫描图像中的视网膜层。 用法： 按 F5 运行脚本。 我正在开发一个更全面的开源软件包，用于光学相干断层扫描图像中视网膜层的计算机辅助分割，目前包括 1. 6 个视网膜层的自动分割和 2. 用于检查和手动校正自动分割的 GUI。 可以在我的github页面下载。http://panyuteng.github.io/caserel 引用为： Chiu, Stephanie J., 等。 “与专家手动分割一致的 SDOCT 图像中七个视网膜层的自动分割。” 光学快报 18.18 (2010)：19413-19428。 腾，庞宇。 (2013)。 Caserel - 用于在光学相干断层扫描图像中对视网膜层进行计算机辅助分割的开源软件。 泽诺多。 10.5281/zenodo.17893 http://dx.doi.org/10.5281/zenodo.1

视网膜分层是视盘结构三维分析、青光眼三维特征提取的基础，为改善视网膜 OCT 图像的层次分割效果，提出了一个基于强度的二维视网膜黄斑 OCT 图像多层结构分割算法。分割方法通过预处理、滤波等操作，计算出视网膜OCT图像中每个A-scan的强度和强度梯度值，能很好地分割出视网膜OCT图像中的RNFL上界、IS和OS分界线、RPE层下界等，并用最短距离计算的黄斑距离策略对黄斑部位分层结果进行再优化，从而实现视网膜OCT图像的层次分割。实验结果表明，所提算法优化效果好，时间复杂度低，运行速度较快。

matlab开发-光学相干成像的重建和光谱分析。光谱域OCT图像重建与光谱分析程序。

2048的matlab源代码PyOCT：光谱域光学相干断层扫描的成像重建。 PyOCT的开发目的是进行正常的光谱域光学相干断层扫描（SD-OCT）成像重建，其主要步骤如下： 读取数据 背景扣除 频谱重采样 计算像差校正（Alpha校正） 相机色散校正（使用相机校正系数的Beta校正） 逆傅立叶变换 获取OCT图像 该算法最初是在康奈尔大学的Steven G. Adie教授研究实验室中使用MATLAB开发的。 通过矩阵运算提高了重建速度。 与MATLAB相比，Python语言从仅在我们的实验室计算机上测试过的二进制文件中加载数据的性能要好得多。 目前，PyOCT仅支持python 3.0+。 快速开始 可以使用pip安装PyOCT： $pip install PyOCT 如果要运行最新版本的代码，可以从git安装： $python -m pip install -U git+git://github.com/NeversayEverLin/PyOCT.git 成功安装后，您可以在python环境下测试程序： $from PyOCT import VolumeReconstruction

matlab高斯金字塔代码OCT运动校正 此回购包含我的硕士论文的代码。 该项目旨在提供一种减少通过光学相干断层扫描技术获取的图像中的运动伪影的解决方案。 结构 文件 描述 saccadesModeling.mlx 包含有关如何模拟眼睛运动的信息。 phantomModeling.mlx 显示如何将扫视运动应用于测试数据。 metricsModeling.mxl 研究图像质量指标（糟糕）的行为。 projectTest.m 包含项目用例。 RegistrationObjective.m 封装用于图像配准的目标函数。 注册程序 从资源加载实验数据并执行注册。 SaccadeGenerator.m 产生扫视运动。 扫描程序 对扫描过程进行建模，并对给定的原始3D图像进行扫视运动。 用法 首先，结帐项目。 $ git clone https://github.com/merlinDM/oct-motion-correction.git 将项目添加到Matlab搜索路径： >> cd ' /path/to/project/ ' ; >> addpath(pwd); 运行示例： >> run '

用于光谱域 OCT 图像重建和光谱分析的 MATLAB 代码。 此代码可用作 OCT 分子成像平台的一部分，我们称之为 MOZART。 创建此代码是为了读取来自 Thorlabs OCT 的原始干涉图（SW 版本 4 效果最佳，但也支持版本 3 进行一些更改）。 它将原始干涉图重建为 OCT 图像，并支持 2D、3D 和散斑方差。 除了重建图像此代码： 计算归一化的 spcekle 方差（用于检测血管） 计算色散补偿基于双波段光谱分析计算光谱对比图计算光谱深度补偿创建结合 OCT 图像、光谱分析和散斑方差的图像。 和更多功能... 此代码用于创建图像和分析：“具有皮摩尔灵敏度的对比增强光学相干断层扫描，用于功能性体内成像”O Liba、ED SoRelle、D Sen、A de La Zerda - 科学报告，2016 年。 如果您使用我们的代码，请引用我们的论文。

该数据集包含对糖尿病性黄斑水肿的光学相干断层扫描图像进行分割的图像。数据集载自文章：S. J. Chiu, M. J. Allingham, P. S. Mettu, S. W. Cousins, J. A. Izatt, S. Farsiu, "Kernel regression based segmentation of optical coherence tomography images with diabetic macular edema", ( BIOMEDICAL OPTICS EXPRESS), 6(4), pp. 1172-1194, April, 2015 Segmentation of OCT images (DME)_datasets.txt