Reference spectrum extraction and fixed-pattern noise removal in optical coherence tomography
[cite]http://dx.doi.org/10.1364/OE.18.024395[/cite]
1. Introduction
- Fixed-pattern은 sample이 없을 때 측정된 reference spectrum에 대한 정보가 있으면 제거할 수 있음
- 하지만 Reference spectrum을 측정하는 것은 쉽지 않음
- source spectrum 자체가 변할 뿐만 아니라, optical phase나 polarization of light등에 의해서도 변화함
- 자주 쓰이는 방법은 mean-spectrum subtraction방법으로 단순하고 실용적인 방법임
- 하지만 high-amplitude 지점으로 인하여 statistical error로 인하여 residual horizontal line이 생김
2. Fixed-pattern noise and mean-spectrum subtraction
- A-line spectra를 모두 평균하면 mean-spectrum을 얻음, 대부분의 성분은 washed out.
- 평균의 특성상, high statistical bios를 발생시켜, fixed-pattern을 효과적으로 제거할 수 없음.
3. Statistical analysis of the fixed-pattern noise
- Bscan에서 같은 axial depth의 픽셀들의 값을 복소 평면에 나타내어 보면 점들이 군집을 이루는 것 처럼 나타남.
- 이 때, mean-spectrum 방법은 이러한 점들을 모두 평균 낸 지점을 reference spectrum으로 사용하는 방법임.
- 때문에 큰 값을 갖는 점이 있을 경우, 평균이 큰 값을 갖는 점으로 bias 되어 오차가 심해짐.
4. Median-line subtraction
- 따라서 mean-subtraction방법의 단점을 보완하기 위하셔 mean이 아닌 median을 사용하여 bias 되는 것을 방지할 수 있음.
5. Minimum-variance mean-line subtraction
- median의 경우, 계산량이 많기 때문에 이와 같은 결과를 갖는 방법을 추가로 하나 더 제안
- Bscan을 여러 영역으로 나누고, 각 영역에서 variance를 구한 다면 이것은 큰 값을 갖는 지점이 존재하는 지에 대한 척도가 될 수 있음
- 따라서 각 axial depth 마다 minimum-variance를 갖는 영역에서의 sub-mean을 median 값 대신에 사용
- 10개의 영역으로 나누었음