[论文解读] Comparison of Gini index and Tamura coefficient for holographic autofocusing based on the edge sparsity of the complex optical wavefront

Miu Tamamitsu, Yibo Zhang+3 more|arXiv (Cornell University)|Aug 27, 2017

Digital Holography and Microscopy参考文献 13被引用 9

一句话总结

本文比较了在基于复振幅波前边缘稀疏性的全息自动对焦中，基尼指数（GI）与田村系数（TC）作为稀疏性度量的表现。结果表明，尽管在密集且连通的样本上两者性能相近，但TC在背景噪声下更具鲁棒性，且更适用于孤立生物囊肿等天然稀疏样本，尤其是在使用较大感兴趣区域（ROI）时。

ABSTRACT

The Sparsity of the Gradient (SoG) is a robust autofocusing criterion for holography, where the gradient modulus of the complex refocused hologram is calculated, on which a sparsity metric is applied. Here, we compare two different choices of sparsity metrics used in SoG, specifically, the Gini index (GI) and the Tamura coefficient (TC), for holographic autofocusing on dense/connected or sparse samples. We provide a theoretical analysis predicting that for uniformly distributed image data, TC and GI exhibit similar behavior, while for naturally sparse images containing few high-valued signal entries and many low-valued noisy background pixels, TC is more sensitive to distribution changes in the signal and more resistive to background noise. These predictions are also confirmed by experimental results using SoG-based holographic autofocusing on dense and connected samples (such as stained breast tissue sections) as well as highly sparse samples (such as isolated Giardia lamblia cysts). Through these experiments, we found that ToG and GoG offer almost identical autofocusing performance on dense and connected samples, whereas for naturally sparse samples, GoG should be calculated on a relatively small region of interest (ROI) closely surrounding the object, while ToG offers more flexibility in choosing a larger ROI containing more background pixels.

研究动机与目标

• 评估并比较基尼指数（GI）与田村系数（TC）作为全息自动对焦中稀疏性度量的性能。
• 研究这些度量在不同图像稀疏性条件下的表现，特别是密集/连通样本与天然稀疏样本之间的差异。
• 确定在背景噪声和信号分布显著影响性能时，全息自动对焦中最佳的稀疏性度量。
• 基于样本特性与感兴趣区域（ROI）大小，提供度量选择的理论与实验验证。

提出的方法

• 本研究采用梯度稀疏性（SoG）框架，计算复重新聚焦全息图的梯度模值。
• 基尼指数（GI）作为图像中梯度幅值分布不平等性的度量被计算。
• 田村系数（TC）基于梯度幅值的标准差与均值之比计算，反映纹理与分布均匀性。
• 通过理论分析预测GI与TC在均匀分布数据与高动态范围天然稀疏图像下的行为。
• 通过在两种样本类型上的全息自动对焦实验进行验证：密集染色的乳腺组织切片与稀疏孤立的蓝氏贾第鞭毛虫囊肿。
• 通过比较不同离焦程度下的对焦度量值，并改变ROI大小，评估性能鲁棒性。

实验结果

研究问题

• RQ1 在密集且连通的生物样本（如染色乳腺组织切片）上，基尼指数与田村系数在全息自动对焦中的性能表现如何比较？
• RQ2 在天然稀疏样本中，GI与TC对信号分布变化与背景噪声的响应有何差异？
• RQ3 稀疏性度量的选择是否会影响自动对焦应用中的最优感兴趣区域（ROI）大小？
• RQ4 在存在背景噪声的情况下，田村系数何时比基尼指数更具鲁棒性？
• RQ5 关于度量行为的理论预测是否能在真实全息成像场景中通过实验得到验证？

主要发现

• 对于密集且连通的样本（如染色乳腺组织切片），基尼指数与田村系数的自动对焦性能几乎完全相同。
• 在天然稀疏样本（如孤立的蓝氏贾第鞭毛虫囊肿）中，田村系数（TC）对信号分布变化更敏感，且比基尼指数（GI）更能抵抗背景噪声。
• 当使用包含大量背景像素的大ROI时，田村系数提供的对焦性能更稳定、更可靠。
• 对于稀疏样本，基尼指数在应用于紧密包围目标的小ROI时表现最佳，表明其对ROI选择高度敏感。
• 理论预测TC在稀疏且高噪声场景下比GI更具鲁棒性，实验结果证实了这一点。
• 本研究证实，TC在稀疏样本中对ROI选择更具灵活性，而GI则需仔细定义ROI以避免噪声导致的性能下降。