随机光学重构显微(STORM)的时间和空间分辨率相互制约,难以实现活细胞的超分辨成像,且超分辨图像的后处理分析与重构算法对图像质量也有非常重要的影响。基于此,针对高密度标记与高采样率所导致的单帧图像中光斑重叠及过多的背景噪声,提出一种用于单分子定位显微成像的新型噪声校正主成分分析(NC-PCA)方法,对单分子定位显微成像采集的图像进行预处理后再进行定位重构,提高了现有定位方法的定位精度,同时还实现了重叠分子的区分定位,从而提高了生物样品的标记密度,改善了超分辨成像的时间分辨率,可为活细胞单分子定位成像提供技术支持。

光声层析成像是依据探测到的光声信号来重建组织内光能量吸收分布图像的一种技术。近年来, 该研究领域得到了巨大的发展, 其应用范围广泛, 包括了解剖学、功能学和分子影像学。然而, 其中一个巨大挑战是由于光声效应的光到声的转换效率非常低, 导致光声信号的信噪比很小, 得到的重建光声图像质量也不高。传统的提高光声信号信噪比的方法是数据平均法, 但严重限制了成像速度。在不牺牲信号保真度和成像速度的情况下, 首先, 利用经验模态分解(Empirical mode decomposition, EMD)实现光声信号的自适应分解, 然后, 以条件互信息为准则确定需要降噪的本征模函数(Intrinsic mode function, IMF), 对选定的本征模函数进行降噪处理得到降噪后的光声信号, 最后利用重构算法得到降噪后的光声图像。仿真和实验结果表明, 提出的这种利用经验模式分解和条件互信息结合的降噪算法对比传统的降噪算法更好地实现了光声信号信噪比的提高和重建图像对比度的提高。证明了该降噪算法的有效性, 同时该方法为低功率激光源和低功率放大信号信噪比的实时低成本PA成像系统的研制提供了可能。