1 华北理工大学电气工程学院,河北 唐山 063210
2 唐山市金属构件产线智能化技术创新中心,河北 唐山 063210
3 唐山市半导体集成电路重点实验室,河北 唐山 063210
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。
显微 计算成像 傅里叶叠层显微成像 对抗生成网络 超分辨率重建 深度学习 激光与光电子学进展
2023, 60(20): 2018001
1 华北理工大学电气工程学院,河北 唐山 063210
2 唐山市金属构件产线智能化技术创新中心,河北 唐山 063210
3 唐山市半导体集成电路重点实验室,河北 唐山 063210
为了进一步提高重构算法的抗干扰能力和鲁棒性,提出了一种基于梯度下降法和牛顿法的全局法,并在此基础上,又提出了基于最优化理论的二分法与牛顿法两类变步长更新策略,使得迭代过程能够自主地选择最佳更新步长。为了充分利用顺序法和全局法各自的优势,制定终止判断准则使二者相结合。仿真和实验数据验证了所提算法的抗干扰能力优于各顺序法的结论,尤其当成像器件的噪声较大时,提出利用暗场图像信息来计算各阶梯度值的方法以减小噪声的影响。并且,上述方法只需要额外的3~5轮迭代过程即可得到满意的结果,时间仅增加了几秒钟。
成像系统 计算成像 傅里叶叠层显微 全局变步长 抗噪性能 激光与光电子学进展
2023, 60(14): 1411001
大视场、高分辨率以及相位成像是光学显微领域长期追求的目标,然而这些性能在传统显微成像技术框架中难以兼顾,这在很大程度上限制了传统显微成像技术的应用范围。传统的显微成像方法通常以提高系统造价或降低其他成像性能为代价来提升成像空间带宽积或相位成像能力。傅里叶叠层显微 (FPM) 成像作为一个极具代表性的计算显微成像技术框架,无需精密机械扫描装置及干涉测量系统即可同时实现大空间带宽积与定量相位成像,相关理论及技术已经在数字显微、生命科学等领域得到了广泛的研究和应用,具有非常高的研究价值和应用前景。从基本的物理模型、相位恢复算法以及系统构建方式等几个方面对傅里叶叠层显微成像的相关研究进展进行综述,并对其理论和应用的发展方向进行分析和讨论。
成像系统 傅里叶叠层显微 相位成像 计算成像 超分辨显微成像 激光与光电子学进展
2021, 58(14): 1400001
1 北京理工大学光电学院光电成像技术与系统教育部重点实验室, 北京 100081
2 北京理工大学重庆创新中心, 重庆 401120
3 长春大学电子信息工程学院, 吉林 长春 130022
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。
成像系统 傅里叶叠层显微成像 像差校正 叠层衍射成像 泽尼克多项式 嵌入式光瞳恢复 光学学报
2021, 41(10): 1011001
杭州电子科技大学电子信息学院, 浙江 杭州 310018
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。
成像系统 傅里叶叠层显微成像 位置校正 遗传退火算法 图像质量
安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心, 安徽 合肥 230601
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。
成像系统 相位恢复 傅里叶叠层显微成像 相干传递函数 相干成像 部分相干成像
暨南大学信息科学技术学院电子工程系, 广东 广州 510632
傅里叶叠层显微成像(FPM)是一种能够重建宽视场和高分辨率图像的新型成像技术。传统的FPM重建算法计算成本高,重建高质量的图像需要较大的图像采集量,这些缺点使得传统重建算法的成像性能和效率较低。因此,提出一种基于深度学习的傅里叶叠层显微成像的神经网络模型,对图像进行低分辨率到高分辨率的端到端映射,有效提高成像性能和效率。首先,借助菱形采样方法进行图像采集,加速低分辨图片采集过程。其次,结合残差结构、密集连接以及通道注意力机制等模块,拓展网络深度、挖掘有用特征,增强网络模型的表达能力和泛化能力。然后,使用子像素卷积进行高效地上采样,恢复高清图像。最后,采用主观和客观的评价方法对重建结果进行评估。结果显示,本文提出的网络模型对比传统重建算法重构效果更优,且降低了计算复杂度,平均重建时间更短。同时,在保证图像重建效果不变的情况下,低分辨率图像的采集数量比传统算法减少了约一半。
成像系统 计算成像 深度学习 傅里叶叠层显微 密集连接 通道注意力 激光与光电子学进展
2020, 57(22): 221106