Deblurring hyperspectral images of structures embedded in turbid media

Abstract

Spredning av lys er en utfordring ved hyperspektral avbildning av strukturer i turbide medium: Bildene blir uskarpe, og kan modelleres som en konvulsjon mellom et ideelt, klart bilde og en punkspredefunksjon. Metoder for å rekonstruere det ideelle bildet utforskes, og tre implementeres. Den første metoden bruker dekonvulsjon med en analytisk utledet punkspredefunksjon. Den andre metoden rekonstruerer det ideelle bilde fra to ulike bånd i et hyperspektralt bilde. Metoden baserer seg på at ulike bølgelengder spres ulikt. Den tredje metoden prøver å fjerne spredningsbidraget i hver piksel av det hyperspektralet bildet ved å estimere absorpsjonskoeffisienten. Dette gjøres v.h.a. diffusjonsteori for lys transport og inversmodellering. De tre metodene testes på et datasett med bilder av former dekket av varierende mengder turbid medium. De rekonstruerte bildene fra hver metode evalueres kvantitativt og visuelt. Alle metodene gir en merkbar og målbar økning i bildekvaliteten på bildet av formene dekket av 3 mm turbid medium. Når tykkelsen økes til 5 mm presterer alle metoder dårlig.

The scattering properties of light presents a challenge when capturing hyperspectral images (HSI) of structures covered by turbid media. The captured image is blurry and can be modeled as a convolution between a desired, clear image and a point spread function (PSF). Methods for reconstructing the desired image from the captured images are researched, and three are implemented. The first method uses deconvolution with a closed form expression for the PSF to obtain a reconstruction. The second method reconstructs a clear image from two bands of the HSI, exploiting that different wavelengths are blurred in different amounts. The third method attempts to eliminate the scattering contribution in each pixel of the HSI by estimating the absorption coefficient of the embedded structure. This is done using diffusion theory for light transport and inverse modeling. The methods are tested on a dataset consisting of shapes covered by varying amounts of a turbid media. The reconstructed images from each method are evaluated quantitatively and visually. All three methods provide a measurable and noticeable improvement in the image quality, when applied on an image of a structure covered by 3 mm of turbid media. When the thickness of turbid media is increased to 5 mm, all three methods performs poorly.