详情

原文传递一种基于神经网络的亚微米级无透镜显微成像方法及系统

专利名称：	一种基于神经网络的亚微米级无透镜显微成像方法及系统
摘要：	本发明公开一种基于神经网络的亚微米级无透镜显微成像方法及系统，包括：在相干照明条件下，通过无透显微镜获得待成像物体产生的干涉条纹对应的全息图；基于待成像物体的全息图进行相位恢复，获取待成像物体不同横截面的第一分辨率的二维幅度图像和第一分辨率的二维相位图像；将第一分辨率的二维幅度图像和第一分辨率的二维相位图像输入到训练好的生成对抗网络，得到第二分辨率的二维幅度图像和第二分辨率的二维相位图像，所述第二分辨率大于第一分辨率。本发明利用神经网络解决无透镜显微镜分辨率不足的问题，可以对任意的细胞图像进行分辨率加强，它允许无透镜成像系统突破像元大小的限制，实现亚微米级分辨率。
专利类型：	发明专利
国家地区组织代码：	湖北;42
申请人：	华中科技大学
发明人：	费鹏;陈雄超;廖翰宇
专利状态：	有效
申请日期：	2019-03-22T00:00:00+0800
发布日期：	2019-06-14T00:00:00+0800
申请号：	CN201910220004.3
公开号：	CN109884018A
代理机构：	华中科技大学专利中心
代理人：	曹葆青;李智
分类号：	G01N21/64(2006.01);G;G01;G01N;G01N21
申请人地址：	430074 湖北省武汉市洪山区珞喻路1037号
主权项：	1.一种基于神经网络的亚微米级无透镜显微成像方法，其特征在于，包括如下步骤：在相干照明条件下，获得待成像物体产生的干涉条纹对应的全息图；基于所述待成像物体的全息图进行相位恢复，获取待成像物体不同横截面的第一分辨率的二维幅度图像和第一分辨率的二维相位图像；将第一分辨率的二维幅度图像和第一分辨率的二维相位图像输入到训练好的生成对抗网络，得到第二分辨率的二维幅度图像和第二分辨率的二维相位图像，所述第二分辨率大于第一分辨率。 2.根据权利要求1所述的无透镜显微成像方法，其特征在于，还包括如下步骤：对所述待成像物体进行多角度相干照明，得到不同角度待成像物体不同横截面的第一分辨率的二维幅度图像和第一分辨率的二维相位图像；对不同角度待成像物体不同横截面的第一分辨率的二维幅度图像和第一分辨率的二维相位图像进行双轴补偿，获得多角度相干照明中丢失的空间频率信息，恢复出待成像物体的三维图像。 3.根据权利要求1或2所述的无透镜显微成像方法，其特征在于，通过如下步骤训练生成对抗网络：预先采集用于训练的物体的高分辨率图像；对采集到的高分辨率图像进行模糊处理，得到对应的用于训练的低分辨率图像；用于训练的物体的高分辨率图像和其对应的低分辨率图像组成训练集；确定生成对抗网络架构，所述生成对抗网络架构包括生成器结构和鉴别器结构，所述生成器结构用于生成第二分辨率图像中的图像细节，所述鉴别器结构用于判断生成器结构生成的图像细节的真实性；采用所述训练集对生成对抗网络架构进行训练，学习低分辨率图像与其对应的高分辨率图像之间的映射关系，得到训练好的生成对抗网络，所述训练集被分为训练数据和测试数据，生成对抗网络架构利用训练数据进行训练学习，利用测试数据进行评估，直到所述生成对抗网络架构有能力建立从低分辨率图像到高分辨率图像的映射。 4.根据权利要求3所述的无透镜显微成像方法，其特征在于，对采集到的高分辨率图像进行模糊处理，具体通过如下公式实现： Im＝D(KI)+N 其中，Im是物体的高分辨率图像的强度分布矩阵，I表示对应的低分辨率图像的强度分布矩阵；K是光学系统的点扩散函数，表示为高斯卷积核；是I和K之间的卷积；D作用于卷积结果，表示相机传感器的离散化；N表示加性高斯白噪声。 5.一种基于神经网络的亚微米级无透镜显微成像系统，其特征在于，包括：照明单元，用于提供相干照明光；探测成像单元，用于基于所述相干照明光获得待成像物体产生的干涉条纹对应的全息图；相位恢复单元，用于基于所述待成像物体的全息图进行相位恢复，获取待成像物体不同横截面的第一分辨率的二维幅度图像和第一分辨率的二维相位图像；高分辨率恢复单元，用于将第一分辨率的二维幅度图像和第一分辨率的二维相位图像输入到训练好的生成对抗网络，得到第二分辨率的二维幅度图像和第二分辨率的二维相位图像，所述第二分辨率大于第一分辨率。 6.根据权利要求5所述的无透镜显微成像系统，其特征在于，还包括移动单元和三维图像恢复单元；所述移动单元，用于移动照明单元，以对所述待成像物体进行多角度相干照明，得到不同角度待成像物体不同横截面的第一分辨率的二维幅度图像和第一分辨率的二维相位图像；所述三维图像恢复单元，用于对不同角度待成像物体不同横截面的第一分辨率的二维幅度图像和第一分辨率的二维相位图像进行双轴补偿，获得多角度相干照明中丢失的空间频率信息，恢复出待成像物体的三维图像。 7.根据权利要求5或6所述的无透镜显微成像系统，其特征在于，还包括：生成对抗网络训练单元；所述生成对抗网络训练单元，用于预先采集用于训练的物体的高分辨率图像；对采集到的高分辨率图像进行模糊处理，得到对应的用于训练的低分辨率图像；用于训练的物体的高分辨率图像和其对应的低分辨率图像组成训练集；确定生成对抗网络架构，所述生成对抗网络架构包括生成器结构和鉴别器结构，所述生成器结构用于生成第二分辨率图像中的图像细节，所述鉴别器结构用于判别生成器结构生成的图像细节的真实性；采用所述训练集对生成对抗网络架构进行训练，学习低分辨率图像与其对应的高分辨率图像之间的映射关系，得到训练好的生成对抗网络，所述训练集被分为训练数据和测试数据，生成对抗网络架构利用训练数据进行训练学习，利用测试数据进行评估，直到所述生成对抗网络架构有能力建立从低分辨率图像到高分辨率图像的映射。 8.根据权利要求7所述的无透镜显微成像系统，其特征在于，所述生成对抗网络训练单元，对采集到的高分辨率图像进行模糊处理，具体通过如下公式实现： Im＝D(KI)+N 其中，Im是物体的高分辨率图像的强度分布矩阵，I表示对应的低分辨率图像的强度分布矩阵；K是光学系统的点扩散函数，表示为高斯卷积核；是I和K之间的卷积；D作用于卷积结果，表示相机传感器的离散化；N表示加性高斯白噪声。
所属类别：	发明专利