基于凸优化的傅里叶叠层成像技术研究

在傅里叶叠层成像(FPM)过程中采集的低分辨率图像会对重建图像质量产生直接影响,已有的研究提出用图像超分辨率重建技术和对低分辨率图像进行传统去噪处理的方法来解决该问题,但超分辨率重建的方法需要采集大量的原始图像,会加大采集端的时间损耗,而传统去噪算法会造成原始信息丢失,严重影响重构图像质量。因此论文引入凸优化算法,噪声图像的恢复可以通过求解一个凸优化模型来实现,并用迭代收缩阈值算法来求解该模型,算法中采用Barzilai-Borwein(BB)规则在每次迭代时初始化线搜索步长,加快收敛速度,选用软阈值函数,使图像去噪时原始信息丢失减少,最终重构图像的PSNR为27.6346 dB,SSIM为0.9261,所需处理时间为5.850 s,因此基于凸优化的傅里叶叠层成像技术具有时间损耗不大的情况下提高重构图像质量的优点。

基于离散剪切波变换的傅里叶叠层成像算法研究

本文为了提高傅里叶叠层成像的图像重建质量,提出基于离散剪切波变换的傅里叶叠层成像,将离散剪切波作为稀疏基,利用其多尺度和各向异性的特点对图像进行稀疏重构。实验证明:该算法能够显著提升图像重建质量,并且具有良好的稳定性和鲁棒性。

对称照明在傅里叶叠层成像中的应用

傅里叶叠层成像技术是一种全新的能够恢复出大视场下高分辨率图像的技术,而较长的采样时间限制了傅里叶叠层成像的实际应用.本文阐述了一种利用对称照明提高傅里叶叠层成像速度的方法,研究了傅里叶叠层成像在空域和频域上的对称性,指出在不考虑相位的情况下,利用对称照明可提高照明强度,减少傅里叶叠层成像所需要的图像数,同时可以提高傅里叶叠层成像图像重建的速度.实验表明使用对称照明可以在不改变算法复杂性的前提下,得到与传统傅里叶叠层成像同样的高分辨率,且所需的图像数减少约50%,采样时间减少约70%,图像重建时间减少约50%.基于对称照明的方法将促进傅里叶叠层成像技术在实时成像中的应用.

基于傅里叶叠层成像的光学图像加密

提出一种基于傅里叶叠层成像的光学图像加密技术.基于传统的4f双随机相位编码系统,将滤波孔径(探针)紧贴着随机相位掩模板放置在傅里叶频谱面上,在频域限制不同成分的空间频率信息通过.该技术采用低数值孔径的透镜和平行光多角度照明,使装置更加简单.计算机模拟结果表明,该技术收敛速度快,可行性较强,并具有高鲁棒性、高安全性和高解密质量等优点.

基于粒子群优化的宏观傅里叶叠层成像位置失配校准

宏观傅里叶叠层成像技术通过在频域中拼接融合低分辨率图像来重建出高分辨率图像,然而移动相机捕获低分辨率图像的过程中极易出现相机位置失配,从而导致重建图像质量降低。提出了一种基于粒子群的相机位置失配校准算法,该方法采用逐点校准策略,在频域中对部分含有低频信息的图像进行校准并更新频谱,然后对全部低分辨率图像进行迭代校准,获取精确位置后通过相位恢复算法重建出高分辨率图像。在真实场景中,传统傅里叶叠层成像算法重建图像的分辨率为4.00 lp/mm,所提算法校准后重建图像的分辨率为5.04 lp/mm,重建图像质量显著提升且校正效果优于同类算法,并且运行消耗时间与同类校准算法相比减少10.9%以上。该算法能有效解决宏观傅里叶叠层成像技术对相机扫描位置精度严苛的需求,提升重建图像质量,减少时间成本。

基于多尺度特征融合网络的傅里叶叠层成像

傅里叶叠层成像是一种实现光学系统高分辨率、大视场成像的技术。传统FP方法的高分辨率重建过程需要较高的孔径重叠率,导致采集图像数量较多,采样效率低。此外,FP重建算法的复杂度高,重建时间长。针对以上问题,本文结合深度学习,提出一种基于多尺度特征融合网络的傅里叶叠层成像算法,通过改进的特征金字塔卷积神经网络,能够从稀疏采样的低分辨振幅图像中提取特征信息并进行融合,实现超分辨的复图像重建。实验结果表明,在相同采样条件下,与传统方法相比,本文提出的深度学习算法提高了图像重建的质量,减少了90%以上的重建时间,并且对高斯噪声的鲁棒性较高。所提出的方法能够将相邻频域子孔径间的重叠率从50%降低至25%,减少50%的采集图像数量,大幅提高采样效率。

宏观傅里叶叠层技术远距离成像实验研究

傅里叶叠层是一新型的宽视场高分辨成像技术,但是其在宏观成像领域的应用中,成像模型在米级成像距离下通常仅有2 cm左右的成像视场,难以满足使用要求。为了提高宏观傅里叶叠层技术的成像距离和视场,文章开展了远距离宏观反射式傅里叶叠层成像模型的理论研究,提出了一种新的宏观傅里叶叠层成像模型,该模型使用发散光束照明,通过球面波移位对目标傅里叶谱进行扫描重建高分辨率目标图像;此外,还分析了宏观相干成像机理和傅里叶成像模型近似条件,由此推导出模型的近似范围,为模型推广提供了理论基础;最后,利用搭建的实验系统对10m外目标成像,使目标分辨率从1.4 mm提升到0.35 mm,分辨率提升4倍以上,验证了模型具有通过合成孔径技术提升目标成像分辨率的能力。

基于傅里叶叠层显微成像术的定量相干传递函数恢复

研究了在不同系统误差和不同目标算法下相干传递函数的重建质量,发现相干传递函数的重建比物体的重建更稳健。基于此,报道了一种用于傅里叶叠层显微成像术的子区域平移方法,以加速有限图像下的相干传递函数重构收敛速度,消除由周期性照明光源阵列引起的栅格噪声,实现图像的重聚焦,并使用相干传递函数去卷积提高图像的对比度。此外,研究了傅里叶叠层显微成像术的空域和频域数据冗余来恢复相干传递函数,发现至少需要大约40%的频谱交叠率来精确重建相干传递函数,比无像差条件下高出10%,为了相干传递函数的稳定性需要至少25张原始低分辨率图像。最后,讨论了稳定的相干传递函数重建所需的条件,并通过模拟和实验进行了验证。

基于超分辨率对抗网络的傅里叶叠层成像技术

傅里叶叠层成像(FPM)受硬件和算法等因素的限制,成像的整体性能有待提高。为解决传统FPM技术成像速度慢、成像质量低的问题,融入深度学习的FPM图像重建方法得到广泛关注。基于此,提出一种基于超分辨率对抗生成网络的FPM模型,在原有网络基础上通过增加密集块连接实现全局特征融合并且使用一种加权损失函数提高图像重建质量。分辨率板图像重构结果表明,所提深度学习方法较传统方法重建效果显著、重建速度更快。

基于宏观傅里叶叠层成像技术的光学传递函数测量

倾斜刃边法测量光学传递函数(OTF)只能准确地获取单一方向上的调制传递函数(MTF),且无法测量Zernike像差系数。傅里叶叠层成像技术在获得超分辨图像的同时能够重建光学系统的光瞳函数,实现Zernike像差系数和二维OTF的振幅与相位的测量。以往通过相机整体平移进行孔径扫描来实现宏观傅里叶叠层成像的方法难以适用于OTF测量光路中,因此提出了电控平移台带动照明光纤运动来实现光瞳在频域的平移,具有移动间距可调、亮度高和相干性好的优点。根据OTF测量光路搭建了实验平台,利用宏观傅里叶叠层成像技术对双胶合透镜及其存在遮拦的情况进行了测量,重建其光瞳函数,计算出Zernike像差系数和OTF。通过测量高清成像镜头,分析了采集步数和重叠率对准确性的影响。实验结果表明,子午方向和弧矢方向的MTF测量结果与传函仪测量结果的均方误差在10^(-4)量级。

面向下一代数字病理成像分析仪的高通量全彩色傅里叶叠层显微成像术(特邀)

傅里叶叠层显微成像术是近年来提出的新型计算成像技术,它有效解决了传统显微成像中分辨率与视场制约的问题,无需对样本进行机械扫描便能获得十亿像素级的高通量图像,有效解决传统数字病理扫描仪器的拼接伪影、重影、拼接成功率低、景深狭小、效率偏低等问题。近年来更是发现其不单是解决视场与分辨率制约的工具,更是解决一系列权衡问题的范式,从而迸发出源源不绝的生命力与应用潜力。本文全方位概述了傅里叶叠层显微成像术技术9个方面的发展趋势,简介了其起源与基本原理,着重综述了其在面向下一代数字病理成像分析仪的多个阶段与最新进展。指出其在这一应用方向上已进入“10-100”的产业化阶段。讨论了其产生大规模社会经济效益的可能性,其极有可能给数字病理行业及其上下游相关行业带来突破进展。尽管如此,作为典型交叉领域仍有不尽人意之处,包括科学问题、技术问题、工程问题及行业问题,需要多方共同努力推进,展望了未来技术与工程发展方向。

基于深度学习的傅里叶叠层成像技术

傅里叶叠层成像技术(FP)可重构出宽视场、高分辨率的物体幅值和相位分布,随着深度学习技术的不断发展,神经网络已成为求解计算成像中非线性逆问题的重要手段之一。针对FP系统数据特异性强、数据量少等特点,提出了一种结合计算成像先验知识和深度学习的算法,设计了基于物理模型的神经网络框架,并对仿真样本进行了验证。此外,还搭建了远场透射系统,对宏观物体的图像序列进行FP重建验证。实验结果表明,该系统能用有限的仿真与真实数据集重构出高分辨率样本的复振幅分布,且对光学像差与背景噪声的鲁棒性较强。

模拟退火算法色差校正的傅里叶叠层显微彩色成像技术

提出一种基于模拟退火算法的自动聚焦方法,可以分别重建三种照明色光的高分辨率图像,从而实现高分辨率彩色图像的构建。模拟仿真和分辨率靶及生物切片样品实验结果均表明,即使色差较严重的显微系统,利用该方法也能准确地获得高分辨率彩色图像,极大降低了对显微镜的性能要求,扩展了傅里叶叠层彩色成像的适用范围。

LED位置误差对傅里叶叠层显微成像质量影响与校正研究

仿真分析LED位置偏移量对FPM成像质量的影响,并确定LED矩阵大小为3×3的位置误差容许范围,该结果为校正LED位置误差提供理论指导;接着提出一种基于对称图像强度分布的LED阵列位置粗对准方法;最后通过实验验证该方法的有效性。实验结果表明该方法能降低LED阵列位置的安装难度。

宏观傅里叶叠层超分辨率成像实验研究

傅里叶叠层成像是一种新型的大视场、超分辨率显微成像技术。建立了宏观傅里叶叠层成像的物理与数学模型,给出了傅里叶叠层重建算法。搭建了实验系统,将傅里叶叠层成像技术应用于宏观成像领域,开展了实验研究。实验表明,宏观傅里叶成像方法能够大幅提高成像系统的分辨率。该技术在航空侦察和远距离成像等领域中具有潜在的应用价值。

加权切趾传递函数约束的傅里叶叠层显微成像

傅里叶叠层显微成像技术(FPM)是一种新型显微成像技术,该方法巧妙地结合了相位恢复算法和合成孔径的理念,解决了大视场与高分辨率难以兼备的问题。在传统计算中,往往将FPM成像过程近似为相干成像,即将LED视为点光源,进而相干传递函数作为最优解的频谱支持域约束。但是,严格来说,LED是扩展的非相干光源,因此这种不恰当的近似会降低重构图像质量。为此,通过探究FPM系统的相干性,提出了一种新的传递函数——基于贝塞尔函数加权的切趾相干(B-AC)传递函数作为支持域约束的方法,实验结果证明,B-AC约束更适配于FPM成像系统,可以明显减少相干传递函数约束时产生的振铃效应,使得重构图像质量和鲁棒性优于相干传递函数和切趾相干传递函数约束。

基于傅里叶叠层显微成像的LED阵列位置校正方法

傅里叶叠层显微成像(FPM)利用LED阵列角度变化的光照来克服低数值孔径物镜的分辨率限制。在传统的FPM系统中,LED阵列的位置误差将会给图像重建过程带来严重影响。因此准确校正LED阵列的位置对于提高重建图像质量至关重要。为了解决这一问题,提出一种基于遗传退火优化算法的位置校正方法。首先分析LED阵列、样品及物镜数值孔径的相对位置给入射波矢量带来的影响;接着采用遗传退火优化算法对LED阵列的误差位置估计全局误差参数;最后在重建过程中利用全局误差参数快速、准确地对LED阵列位置进行校正。仿真结果和实验结果表明,所提方法能显著提高重建图像的质量。

基于叠层衍射成像的傅里叶叠层显微像差校正方法

傅里叶叠层显微成像技术通过拓展频谱的方法合成细节信息更为丰富的单帧图像,实现在大视场下重建高分辨率图像。然而,成像系统中普遍存在的各种像差往往导致成像模糊,重建图像分辨率下降。针对上述问题,提出一种基于叠层衍射成像的像差校正方法,在更新频谱和光瞳函数时,通过自适应选取频谱和光瞳函数当前值与最大值的最佳比例,提高了迭代重建的质量。利用上述方法,首先重建加载混合像差的仿真图像,并选用峰值信噪比(PSNR)和结构相似性(SSIM)为评价指标。仿真结果表明,相比于传统的嵌入式光瞳恢复算法,本文方法可以大幅提升重建光瞳函数的PSNR和SSIM,分别增长14.9%和1.4%。为进一步验证算法在真实图像上的有效性,采集了人体血细胞样本图像并进行重建,结果表明,重建图像清晰,能够准确分辨细胞轮廓。

一种适用于运动样本的FPM成像校正方案

目的:为解决FPM重建方法受样本移动干扰大的问题,设计新的数据采集和重建方案,加入平移校正和旋转校正部分,进行结果对比研究。方法:使用交替点亮采集方案,相位相关法进行平移校正,Hough法进行旋转校正,用仿真数据测试结果并进行误差分析。结果:含校正数据能清晰辨认出重建结果,而无校正数据几乎无法辨识,校正方案的有效性得到验证。结论:该校正方案适用于出现样本位移和旋转的FPM法校正,能够提高重建结果质量,增强FPM方法的鲁棒性和适用范围。

基于三维卷积神经网络的彩色傅里叶叠层显微术

包含多波长信息的低分辨(LR)灰度图难以被完全解复用,根据LR图像信息重建出的彩色高分辨(HR)图像容易出现通道串扰的现象。为重建不受通道串扰干扰的彩色HR图像,提出一种基于三维卷积神经网络(CNN)的彩色HR图像重建算法。采用主成分分析法提取单色HR图像和彩色LR图像的结构信息,然后基于结构信息训练CNN来建立单色HR图像和彩色LR图像之间的映射关系,最后生成彩色HR图像。实验结果表明,所提算法可以获得不受通道串扰影响、色彩不失真的彩色HR图像。定量评价指标方均根误差小于0.1,结构相似性参数大于0.9。