CN108717685B - 一种增强图像分辨率的方法及*** - Google Patents

一种增强图像分辨率的方法及*** Download PDF

Info

Publication number
CN108717685B
CN108717685B CN201810456228.XA CN201810456228A CN108717685B CN 108717685 B CN108717685 B CN 108717685B CN 201810456228 A CN201810456228 A CN 201810456228A CN 108717685 B CN108717685 B CN 108717685B
Authority
CN
China
Prior art keywords
image
point spread
spread function
original image
calculating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810456228.XA
Other languages
English (en)
Other versions
CN108717685A (zh
Inventor
赵伟
张策
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern University
Original Assignee
Northwestern University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwestern University filed Critical Northwestern University
Priority to CN201810456228.XA priority Critical patent/CN108717685B/zh
Publication of CN108717685A publication Critical patent/CN108717685A/zh
Application granted granted Critical
Publication of CN108717685B publication Critical patent/CN108717685B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Microscoopes, Condenser (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明提供了一种增强图像分辨率的方法及***，其中，所述方法包括：获取待处理的原始图像，并在保持所述原始图像视场大小不变的情况下，将所述原始图像扩充至指定数量的像素点；基于选定的小波函数，对扩充后的图像进行二维离散小波变换，并从二维离散小波变换的过程中去除图像噪声并提取指定图像；利用预设算法对提取的所述指定图像进行去卷积处理，以得到分辨率增强的图像。本申请提供的技术方案，能够在提升图像分辨率的同时，实现对噪声信息的抑制。

Description

一种增强图像分辨率的方法及***
技术领域
本发明涉及图像处理技术领域，特别涉及一种增强图像分辨率的方法及***。
背景技术
去卷积技术是一种广泛应用的、无需对目标进行预先识别和特征分析的、具有较高普适性的图像处理技术，能够显著提高成像技术的分辨率，从而获得超过所用的光学***本身分辨率的高分辨率图像，为研究者提供更多的样本信息。
目前，基于算法的不同、或实现方式的差异，去卷积技术有很多种类型，包括最经典的Lucy-Richardson方法以及更为灵活的blind方法。Lucy-Richardson方法的实现需要基于对光学***的点扩散函数(Point Spread Function，PSF)的精确预期，从而实现对目标图像的去卷积处理。后者相对于前者而言，不在需要对光学***的PSF的精确预期，只需要大致给个范围，blind算法即可通过内置的迭代算法去趋近实际的PSF从而实现对目标图像的去卷积分析。
然而，目前所使用的去卷积技术，包括Lucy-Richardson和blind方法，均存在过度处理的负面因素。也就是，去卷积技术在去除噪声、提高分辨率的同时，会额外引入大量的信息，在去除随机噪声和shotnoise(散粒噪音)的同时，引入大量波纹状的图案。这对图像中有效信息的识别判断和图像质量的提升具有明显的负面影响。
发明内容
本申请的目的在于提供一种增强图像分辨率的方法及***，能够在提升图像分辨率的同时，实现对噪声信息的抑制。
为实现上述目的，本申请提供一种增强图像分辨率的方法，所述方法包括：
获取待处理的原始图像，并在保持所述原始图像视场大小不变的情况下，将所述原始图像扩充至指定数量的像素点；
基于选定的小波函数，对扩充后的图像进行二维离散小波变换，并从二维离散小波变换的过程中去除噪声并提取指定图像；
利用预设算法对提取的所述指定图像进行去卷积处理，以得到分辨率增强的图像。
进一步地，获取待处理的原始图像包括：
导入所述原始图像的文本数据或者导入指定图像格式的所述原始图像。
进一步地，将所述原始图像扩充至指定数量的像素点包括：
根据所述原始图像当前的像素点的总数量，确定与所述当前的像素点的总数量最接近的2的N次幂数值，所述最接近的2的N次幂数值大于或者等于所述当前的像素点的总数量，并且所述N为整数；
将所述原始图像包含的像素点的数量扩充至所述最接近的2的N次幂数值。
进一步地，从二维离散小波变换的结果中提取指定图像包括：
从二维离散小波变换的结果中提取具有最大信号能量的尺度所对应的信号进行还原，并消除最小尺度信号和具有最小能量的尺度所对应的信号，从而得到从二维离散小波变换的过程中去除噪声并提取的所述指定图像。
进一步地，对提取的所述指定图像进行去卷积处理包括：
计算光学***的荧光光斑的点扩散函数，并基于所述点扩散函数对提取的所述指定图像进行去卷积处理。
进一步地，计算光学***的点扩散函数包括：
若所述光学***的荧光光斑的参数未知，则通过输入显微镜类型、显微物镜的数值孔径和介质折射率，并基于显微镜的理想光斑理论，假设入射光为准直光束且无偏振，结合高斯分布，计算荧光光斑的点扩散函数分布；
进一步地，计算光学***的点扩散函数包括：
若所述光学***的参数已知，将激光的波长、偏振态、显微物镜的数值孔径和介质折射率输入光斑模拟程序，利用数值模拟，计算不同折射率、数值孔径、激光波长、偏振状态下，激光的点扩散函数分布，并进而计算荧光光斑的点扩散函数分布。
为实现上述目的，本申请还提供一种增强图像分辨率的***，所述***包括：
图像扩充单元，用于获取待处理的原始图像，并在保持所述原始图像视场大小不变的情况下，将所述原始图像扩充至指定数量的像素点；
小波变换单元，用于基于选定的小波函数，对扩充后的图像进行二维离散小波变换，并从二维离散小波变换的过程中去除噪声并提取指定图像；
去卷积处理单元，用于利用预设算法对提取的所述指定图像进行去卷积处理，以得到分辨率增强的图像。
进一步地，所述去卷积处理单元包括：
点扩散函数计算模块，用于计算光学***的荧光光斑的点扩散函数，并基于所述点扩散函数对提取的所述指定图像进行去卷积处理。
进一步地，所述点扩散函数计算模块包括：
参数未知处理模块，用于若所述光学***的荧光光斑的参数未知，则通过输入显微镜类型、显微物镜的数值孔径和介质折射率，并基于显微镜的理想光斑理论，假设入射光为准直光束且无偏振，结合高斯分布，计算荧光光斑的点扩散函数分布；
参数已知处理模块，用于若所述光学***的参数已知，将激光的波长、偏振态、显微物镜的数值孔径和介质折射率输入光斑模拟程序，利用数值模拟，计算不同折射率、数值孔径、激光波长、偏振状态下，激光的点扩散函数分布，并进而计算荧光光斑的点扩散函数分布。
由上可见，本发明中，通过将二维(2D)离散小波分析技术与去卷积等方法相结合，以2D离散小波分析对图像进行前处理，进而再采用去卷积等方法对图像进行去卷积分析，最后辅以非线性锐化，从而实现对噪声的极大抑制和对图像分辨率的显著提升。与现有技术相比，本发明至少具备以下有益效果：
1、降噪效果极为显著，信噪比高；
2、能显著提升对颗粒状、点斑状、圆形和类圆形物体的分辨率；
3、针对性强：通过2D离散小波分析，对样本进行有效抽取，结合去卷积算法，提高样本的清晰度和分辨率；
4、适用范围广：适用于不同波长、不同荧光染料、不同透镜***的多种成像技术的图像后处理，包括倒置荧光显微镜、共聚焦显微镜、受激辐射损耗显微镜等等。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中增强图像分辨率的方法流程图；
图2为本发明实施例中计算PSF的方法流程图；
图3(a)为本发明第一应用示例中的原始图像；
图3(b)为本发明第一应用示例中处理后的图像；
图4(a)为本发明第二应用示例中的原始图像；
图4(b)为本发明第二应用示例中处理后的图像；
图5(a)为本发明第三应用示例中的原始图像；
图5(b)为本发明第三应用示例中处理后的图像。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
请参阅图1，本申请提供一种增强图像分辨率的方法，所述方法包括：
S1：获取待处理的原始图像，并在保持所述原始图像视场大小不变的情况下，将所述原始图像扩充至指定数量的像素点；
S2：基于选定的小波函数，对扩充后的图像进行二维离散小波变换，并从二维离散小波变换的过程中去除噪声并提取指定图像；
S3：利用预设算法对提取的所述指定图像进行去卷积处理，以得到分辨率增强的图像。
在本实施方式中，获取待处理的原始图像包括：
导入所述原始图像的文本数据或者导入指定图像格式的所述原始图像。
在本实施方式中，将所述原始图像扩充至指定数量的像素点包括：
根据所述原始图像当前的像素点的总数量，确定与所述当前的像素点的总数量最接近的2的N次幂数值，所述最接近的2的N次幂数值大于或者等于所述当前的像素点的总数量，并且所述N为整数；
将所述原始图像包含的像素点的数量扩充至所述最接近的2的N次幂数值。
在本实施方式中，从二维离散小波变换的结果中提取指定图像包括：
从二维离散小波变换的结果中提取具有最大信号能量的尺度所对应的信号进行还原，并消除最小尺度信号和具有最小能量的尺度所对应的信号，从而得到从二维离散小波变换的过程中去除噪声并提取的所述指定图像。
在本实施方式中，对提取的所述指定图像进行去卷积处理包括：
计算光学***的荧光光斑的点扩散函数，并基于所述点扩散函数对提取的所述指定图像进行去卷积处理。
在本实施方式中，计算光学***的荧光光斑的点扩散函数包括：
若所述光学***的荧光光斑的参数未知，则通过输入显微镜类型、显微物镜的数值孔径和介质折射率，并基于显微镜的理想光斑理论，假设入射光为准直光束且无偏振，结合高斯分布，计算荧光光斑的点扩散函数分布；
在本实施方式中，计算光学***的荧光光斑的点扩散函数包括：
若所述光学***的参数已知，将激光的波长、偏振态、显微物镜的数值孔径和介质折射率输入光斑模拟程序，利用数值模拟，计算不同折射率、数值孔径、激光波长、偏振状态下，激光的点扩散函数分布，并进而计算荧光光斑的点扩散函数分布。
在一个实际应用场景中，本申请的技术方案可以产品化为软件，本软件针对提升图像***的分辨率而开发，开发工具为Matlab软件。本软件主要包括图像扩充、2D离散小波分析、基于去卷积方法的图像处理、以及非线性锐化等4个部分构成。
首先，从数据文件读入原始图像。数据文件可以为文本格式数据文件，也可以是.tiff或.tif格式的图像文件。
随后，对原始图像进行扩充。由于离散小波一般基于2的N次幂进行，因而需要把原始图像扩展到最接近的2的N次幂点数。例如原始图像为100乘100像素。通过非线性高斯插值进行扩展，在不影响原始图像视场大小的情况下，得到128乘128像素的图像。
进而，通过选择不同的小波函数(例如db3)，对扩充后的图像进行离散小波处理，提取能量最大尺度的信号进行还原，并消除能量最小尺度对应的噪声，从而得到2D离散小波提取的图像。
在得到2D离散小波提取的图像后，对图像进行进一步去卷积处理。本软件中内置了四种图像算法，分别为Lucy-Richardson算法，Blind算法，regularized filter和Wienerfilter算法。
去卷积方法依赖于对光学***荧光光斑PSF的估算或预测。本程序提供了两种模块来估算光学***的荧光光斑的PSF，以共聚焦和倒置荧光显微镜为例，其具体的流程如图2所示：
(1)若激发光的参数未知，或者操作者非光学专业，则如图2右侧所示，仅需要输入显微镜类型、显微物镜的数值孔径和介质折射率，进而基于显微镜的理想光斑理论，假设入射光为准直光束(无穷远焦点)且无偏振(或圆偏振态)，结合高斯分布，计算理想的荧光光斑PSF分布。
(2)若激发光的参数已知，且操作者熟悉基本光学原理，则如图2左侧所示，将光的波长、偏振态、显微物镜的数值孔径和介质折射率输入光斑模拟程序，利用数值模拟，计算不同折射率、数值孔径、激光波长、偏振状态下，激光的PSF分布，进而计算荧光光斑的PSF。
对于受激辐射损耗显微镜显微镜，其PSF函数也可以通过计算激发光和消激发光的PSF、进而结合多种抑制函数方式估算得到。将PSF代入到软件中，基于前述的四种图像算法，提升图像的分辨率并降低噪声影响，提取真实的图像信息。最终，为进一步提升图像对比度，我们采用指数非线性锐化算法对图像进行处理，最终生成处理后的超分辨率图像。
下面从多个应用示例来阐述本申请的技术效果：
应用实例1：
如下图3所示为应用该图像处理方法后，共聚焦显微镜图像的处理结果。图3(b)中为表面涂覆过Coumarin 102荧光染料的阳极氧化铝多孔结构，图中的荧光亮斑(如箭头所示)为未经处理过的阳极氧化铝的孔中所充满的荧光染料，也代表了阳极氧化铝孔的结构。这些荧光光斑受探测器噪声和光学衍射的影响，难以有效识别其精确位置、大小和形状。而通过本申请的软件后，如图3(b)所示，在保留有效信号的同时，不仅极大的抑制了图像的噪声，同时极大的提高了对目标的分辨率。例如，在图3(a)中，箭头所示部分非常模糊，且连成一片，难以区分。通过该软件的处理，如在图3(b)中箭头所示，连成一片的图像被清晰的区分开来，且图像噪声极小，原始图像的分辨率约为300nm，而处理后的图像的分辨率超过50nm。
应用实例2：
针对同样的表面涂覆过Coumarin 102荧光染料的阳极氧化铝多孔结构，我们利用受激辐射损耗显微镜也对其进行了扫描分析。图4(a)为受激辐射损耗显微镜的原始扫描图像，虽然分辨率相对于共聚焦显微镜有所提升，但噪声同样严重，难以有效识别其精确位置、大小和形状。而通过本申请的软件，如图4(b)所示，在保留有效信号的同时，不仅极大的抑制了图像的噪声，同时极大的提高了对目标的分辨率。许多图3(b)中无法区分的结构，在图4(b)中已经可以区分开来，处理后的图像的分辨率超过40nm。
应用实例3：
图5所示为GFP染色的细胞的倒置荧光显微镜图像的处理前后对比。图5(a)为染色后细胞的原始图像，可以看到，细胞膜的背景噪声对观测荧光亮斑(箭头所示)产生了严重的负面影响，使得图像非常模糊。而在图5(b)中，不仅细胞膜部分的大块背景被成功去除，同时，如箭头所示，样本的空间分辨率被极大的提升。
本申请还提供一种增强图像分辨率的***，所述***包括：
图像扩充单元，用于获取待处理的原始图像，并在保持所述原始图像视场大小不变的情况下，将所述原始图像扩充至指定数量的像素点；
小波变换单元，用于基于选定的小波函数，对扩充后的图像进行二维离散小波变换，并从二维离散小波变换的过程中去除噪声并提取指定图像；
去卷积处理单元，用于利用预设算法对提取的所述指定图像进行去卷积处理，以得到分辨率增强的图像。
在本实施方式中，所述去卷积处理单元包括：
点扩散函数计算模块，用于计算光学***的荧光光斑的点扩散函数，并基于所述点扩散函数对提取的所述指定图像进行去卷积处理。
在本实施方式中，所述点扩散函数计算模块包括：
参数未知处理模块，用于若所述光学***的荧光光斑的参数未知，则通过输入显微镜类型、显微物镜的数值孔径和介质折射率，并基于显微镜的理想光斑理论，假设入射光为准直光束且无偏振，结合高斯分布，计算荧光光斑的点扩散函数分布；
参数已知处理模块，用于若所述光学***的参数已知，将激光的波长、偏振态、显微物镜的数值孔径和介质折射率输入光斑模拟程序，利用数值模拟，计算不同折射率、数值孔径、激光波长、偏振状态下，激光的点扩散函数分布，并进而计算荧光光斑的点扩散函数分布。
由上可见，本发明中，通过将二维(2D)离散小波分析技术与去卷积等方法相结合，以2D离散小波分析对图像进行前处理，进而再采用去卷积等方法对图像进行去卷积分析，最后辅以非线性锐化，从而实现对噪声的极大抑制和对图像分辨率的显著提升。与现有技术相比，本发明至少具备以下有益效果：
1、降噪效果极为显著，信噪比高；
2、能显著提升对颗粒状、点斑状、圆形和类圆形物体的分辨率；
3、针对性强：通过2D离散小波分析，对样本进行有效抽取，结合去卷积算法，提高样本的清晰度和分辨率；
4、适用范围广：适用于不同波长、不同荧光染料、不同透镜***的多种成像技术的图像后处理，包括倒置荧光显微镜、共聚焦显微镜、受激辐射损耗显微镜等等。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.一种增强图像分辨率的方法，其特征在于，所述方法包括：
获取待处理的原始图像，并在保持所述原始图像视场大小不变的情况下，将所述原始图像扩充至指定数量的像素点；
基于选定的小波函数，对扩充后的图像进行二维离散小波变换，并从二维离散小波变换的过程中去除噪声并提取指定图像；
利用预设算法对提取的所述指定图像进行去卷积处理，以得到分辨率增强的图像；
对提取的所述指定图像进行去卷积处理包括：
计算光学***的荧光光斑的点扩散函数，并基于所述点扩散函数对提取的所述指定图像进行去卷积处理；
计算光学***的荧光光斑的点扩散函数包括：
若所述光学***的荧光光斑的参数未知，则通过输入显微镜类型、显微物镜的数值孔径和介质折射率，并基于显微镜的理想光斑理论，假设入射光为准直光束且无偏振，结合高斯分布，计算荧光光斑的点扩散函数分布；
计算光学***的荧光光斑的点扩散函数包括：
若所述光学***的参数已知，将激光的波长、偏振态、显微物镜的数值孔径和介质折射率输入光斑模拟程序，利用数值模拟，计算不同折射率、数值孔径、激光波长、偏振状态下，激光的点扩散函数分布，并进而计算荧光光斑的点扩散函数分布；
从二维离散小波变换的结果中提取指定图像包括：
从二维离散小波变换的结果中提取具有最大信号能量的尺度所对应的信号进行还原，并消除最小尺度信号和具有最小能量的尺度所对应的信号，从而得到从二维离散小波变换的过程中去除噪声并提取的所述指定图像。
2.根据权利要求1所述的方法，其特征在于，获取待处理的原始图像包括：
导入所述原始图像的文本数据或者导入指定图像格式的所述原始图像。
3.根据权利要求1所述的方法，其特征在于，将所述原始图像扩充至指定数量的像素点包括：
根据所述原始图像当前的像素点的总数量，确定与所述当前的像素点的总数量最接近的2的N次幂数值，所述最接近的2的N次幂数值大于或者等于所述当前的像素点的总数量，并且所述N为整数；
将所述原始图像包含的像素点的数量扩充至所述最接近的2的N次幂数值。
4.一种增强图像分辨率的***，其特征在于，所述***包括：
图像扩充单元，用于获取待处理的原始图像，并在保持所述原始图像视场大小不变的情况下，将所述原始图像扩充至指定数量的像素点；
小波变换单元，用于基于选定的小波函数，对扩充后的图像进行二维离散小波变换，并从二维离散小波变换的过程中去除噪声并提取指定图像；
去卷积处理单元，用于利用预设算法对提取的所述指定图像进行去卷积处理，以得到分辨率增强的图像；所述去卷积处理单元包括：
点扩散函数计算模块，用于计算光学***的荧光光斑的点扩散函数，并基于所述点扩散函数对提取的所述指定图像进行去卷积处理；所述点扩散函数计算模块包括：
参数未知处理模块，用于若所述光学***的荧光光斑的参数未知，则通过输入显微镜类型、显微物镜的数值孔径和介质折射率，并基于显微镜的理想光斑理论，假设入射光为准直光束且无偏振，结合高斯分布，计算荧光光斑的点扩散函数分布；
参数已知处理模块，用于若所述光学***的参数已知，将激光的波长、偏振态、显微物镜的数值孔径和介质折射率输入光斑模拟程序，利用数值模拟，计算不同折射率、数值孔径、激光波长、偏振状态下，激光的点扩散函数分布，并进而计算荧光光斑的点扩散函数分布；
从二维离散小波变换的结果中提取指定图像包括：
从二维离散小波变换的结果中提取具有最大信号能量的尺度所对应的信号进行还原，并消除最小尺度信号和具有最小能量的尺度所对应的信号，从而得到从二维离散小波变换的过程中去除噪声并提取的所述指定图像。
CN201810456228.XA 2018-05-14 2018-05-14 一种增强图像分辨率的方法及*** Active CN108717685B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810456228.XA CN108717685B (zh) 2018-05-14 2018-05-14 一种增强图像分辨率的方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810456228.XA CN108717685B (zh) 2018-05-14 2018-05-14 一种增强图像分辨率的方法及***

Publications (2)

Publication Number Publication Date
CN108717685A CN108717685A (zh) 2018-10-30
CN108717685B true CN108717685B (zh) 2021-07-06

Family

ID=63899828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810456228.XA Active CN108717685B (zh) 2018-05-14 2018-05-14 一种增强图像分辨率的方法及***

Country Status (1)

Country Link
CN (1) CN108717685B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110390270A (zh) * 2019-06-27 2019-10-29 北京集创北方科技股份有限公司 光学指纹识别方法、装置、电子设备及存储介质
CN112114045B (zh) * 2020-08-03 2023-09-19 中国科学院大学 一种面向超声显微镜的分辨率增强方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004111609A2 (en) * 2003-06-12 2004-12-23 Predicant Biosciences, Inc. Methods for accurate component intensity extraction from separations-mass spectrometry data
CN102708543B (zh) * 2012-04-19 2014-12-31 北京工商大学 基于盲反卷积和稀疏表示的荧光显微图像复原方法和装置
CN106770095A (zh) * 2016-11-30 2017-05-31 浙江大学 一种基于非线性光斑调制的超分辨显微成像方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A source wavelet deconvolution approach to improve the spatial resolution for radar-based breast imaging system;Kay Y. Liu等;《IEEE Xplore》;20140120;208 *
Multiscale deconvolution using wavelet transform for improving the depth resolution in secondary ion mass spectrometry analysis;M"hamed Boulakroune等;《IEEE Xplore》;20090109;1-6 *

Also Published As

Publication number Publication date
CN108717685A (zh) 2018-10-30

Similar Documents

Publication Publication Date Title
Pertuz et al. Analysis of focus measure operators for shape-from-focus
Sibarita Deconvolution microscopy
Wallace et al. A workingperson’s guide to deconvolution in light microscopy
CN111145089B (zh) 高保真图像重构方法、***、计算机设备和存储介质
Cannell et al. Image enhancement by deconvolution
Shaw Deconvolution in 3-D optical microscopy
AU2018352821B2 (en) Image reconstruction method, device and microscopic imaging device
WO2021188839A1 (en) Single-shot autofocusing of microscopy images using deep learning
US11854162B2 (en) Microscopy with near-ideal sCMOS camera
Bai et al. Imaging enhancement of light-sheet fluorescence microscopy via deep learning
CN108717685B (zh) 一种增强图像分辨率的方法及***
Holmes et al. Blind deconvolution
Li et al. PURE-LET deconvolution of 3D fluorescence microscopy images
Labouesse et al. Random illumination microscopy from variance images
Chaux et al. Wavelet-based restoration methods: application to 3D confocal microscopy images
Markham et al. Parametric blind deconvolution of microscopic images: Further results
Stergiopoulou et al. 3D Image super-resolution by fluorophore fluctuations and MA-TIRF microscopy reconstruction (3D-COL0RME)
Wang Computational restoration of fluorescence images: noise reduction, deconvolution, and pattern recognition
He et al. Adaptive weighting depth-variant deconvolution of fluorescence microscopy images with convolutional neural network
Zhang et al. Simultaneous estimation of spatial frequency and phase based on an improved component cross-correlation algorithm for structured illumination microscopy
Beckers et al. Real-time, extended depth DIC microscopy
CN117452619B (zh) 一种稀疏目标显微成像自动对焦方法、***及存储介质
Werth et al. NEURAL NETWORK-BASED MICROSCOPE DEFOCUS CORRECTION WITH POINT SPREAD FUNCTION RECOVERY
Wang et al. Non-blind super-resolution reconstruction for laser-induced damage dark-field imaging of optical elements
Cheng Super-resolution microscopy based on denoised conventional raw images with wide spectrum denoising

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant