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.     

基于迭代的傅里叶望远镜图像重构方法

为了提高最终图像的质量,结合传统的直接重构算法和相位重构算法,提出了一种基于迭代的傅里叶望远镜图像重构方法。对反演得到的傅里叶频谱进行逆傅里叶变换得到直接重构图像,取直接重构图像的阈值图像作为相位重构算法的初始输入,通过迭代能够获得质量更高的图像。成像仿真实验结果表明,成像信噪比为50倍时,与直接重构图像相比,迭代重构图像斯特列尔比从0.82提高到0.88,峰值信噪比从17dB提高到19dB;在成像信噪比为100倍时,迭代重构图像斯特列尔比从0.89提高到0.93,峰值信噪比从20dB提高到22dB。     

基于傅里叶叠层显微成像术的定量相干传递函数恢复（英文）

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。     

稀疏阈值的超分辨率图像重建

为了解决基于字典学习的超分辨重构算法耗时过长的问题,提出了基于稀疏阈值模型的图像超分辨率重建方法。首先,将联合字典理论与图像块稀疏阈值方法相结合,训练得到高、低分辨率过完备图像字典对。接着,通过稀疏阈值OMP算法对图像特征块进行稀疏表示。然后,通过高分辨率字典重构出初始的超分辨图像。最后,通过改进迭代反投影算法对初始的超分辨图像进行全局优化,从而进一步提高图像重构质量。实验结果表明,超分辨图像重构平均峰值信噪比(PSNR)为30.1 d B,平均结构自相似度(SSIM)为0.937 9,平均计算时间为10.2 s。有效提高了超分辨重构的速度,改善了重构高分辨图像的质量。     

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。     

小孔扫描傅里叶叠层成像的关键参量研究

小孔扫描傅里叶叠层成像术已在三维全息重聚焦和超分辨宏观成像领域显示出巨大的潜力。对小孔扫描傅里叶叠层成像技术的关键参量对光场恢复质量的影响进行了研究,根据小孔扫描傅里叶叠层成像的迭代算法,通过仿真实验研究了小孔的交叠率和孔径大小对光场恢复质量的影响。仿真结果表明:在相同孔径情况下,小孔交叠率存在一个阈值,当交叠率大于该阈值时,光场恢复质量随交叠率增大而显著提高;在相同交叠率情况下小孔孔径越小光场恢复质量越高。该研究成果对小孔扫描傅里叶叠层成像术在进一步应用中的参数优化能起到一定程度的理论指导作用。     

基于双阈值Huber范数估计的图像正则化超分辨率算法

多帧图像超分辨率算法利用图像间的互补信息, 可以从一系列具有亚像素位移的低分辨率影像数据中重建出高分辨率图像. 在众多超分辨率算法中, 正则化方法以其求解病态问题的有效性而被广泛应用, 但在此类方法中, 最优估计算子的估计准确度对最后的重建结果有着较大的影响. 本文在现有正则化超分辨率重建算法的基础上, 提出了一种基于双阈值Huber范数的极大似然估计算子, 可以提高Huber范数对于阈值取值的容忍性和算子估计精度; 并给出了基于该算子的正则化超分辨率算法的迭代公式. 通过对仿真图像进行重建, 结果表明算法可有效地抑制各种噪声并保证重建效果; 同时将此算法应用于实际图像的超分辨率重建, 有效地提高了目标影像的空间分辨率. 关键词： 图像处理 图像重建 超分辨率 正则化     

凝视成像降质模型的超分辨率重建

针对吉林一号视频03星凝视成像的特点,为提高其图像空间分辨率,解决光学系统分辨率不足的问题,提出一种视频卫星超分辨率重建的新算法——凸集中间映射。以主动观点分析视频卫星凝视成像特点,建立了基于凝视成像的图像降质模型。为求解该降质模型的逆过程,以凸集理论为基础,建立了基于中间降质过程的约束集和相应的点投影算子,通过点投影算子逐帧修正高分辨率图像灰度值,最终将重建的高分辨率图像约束于凸集的交集上。实验结果表明,该算法使图像分辨率提高近30%,克服了同类算法具有投影误差和重叠伪影的缺点,图像质量评价指标均优于所列其他算法,8帧重建得到收敛解,对不同清晰度的图像重建均具有可行性和稳健性。说明该算法适用于视频卫星图像超分辨率重建。     

微结构形貌的光场显微三维重构分辨率增强技术

扫描式的测量技术是目前微结构表面形貌测量的主流技术,但需要高精度的机械扫描、较长的测量时间。针对其问题,结合光场显微技术和傅里叶叠层显微技术,提出了一种分辨率增强的三维重构技术,通过在常规显微成像系统中加入光学编码元件,使用单次曝光而获得被测工件的光学切片序列,基于傅里叶叠层显微技术实现了对切片图像横向分辨率的增强,克服了光场成像技术中的分辨率损失。实验证明,提出的三维重构技术对于微结构表面加工过程的在线测量具有较好的应用前景。     

多帧距离选通图像点扩散函数估计的超分辨率重建

为了解决水下激光距离选通图像成像过程中退化模型复杂的难题,提出了利用连续帧图像估计点扩散函数的距离选通超分辨成像方法。首先,从连续帧图像中选取一帧为参考帧作为初始清晰图像,下一帧图像为模糊图像,用梯度约束的方法求出点扩散函数,用于优化清晰图像;然后,依次将后续帧图像当作模糊图像与清晰图像交替迭代求取点扩散函数并优化更新清晰图像;最后获得的清晰图像与参考帧图像用乘法更新的方法估计点扩散函数,结合凸集投影法算法进行超分辨率成像重建。仿真实验结果表明,改进的算法重建图像分辨率和质量明显优于原始的算法。     

An improved POCS super-resolution infrared image reconstruction algorithm based on visual mechanism

The traditional projection onto convex sets (POCS) super-resolution (SR) reconstruction algorithm can only get reconstructed images with poor contrast, low signal-to-noise ratio and blurring edges. In order to solve the above disadvantages, an improved POCS SR infrared image reconstruction algorithm based on visual mechanism is proposed, which introduces data consistency constraint with variable correction thresholds to highlight the target edges and filter out background noises; further, the algorithm introduces contrast constraint considering the resolving ability of human eyes into the traditional algorithm, enhancing the contrast of the image reconstructed adaptively. The experimental results show that the improved POCS algorithm can acquire high quality infrared images whose contrast, average gradient and peak signal to noise ratio are improved many times compared with traditional algorithm.     

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。     

基于自适应正则化的超分辨率重建方法

传统正则化超分辨重建得到的图像往往存在过度平滑或伪信息残留的问题,结合超分辨重建模型对重建图像伪信息的产生进行了分析,针对传统方法的不足提出了基于图像区域信息自适应的正则化方法,通过图像的区域信息将图像划分为平滑区与非平滑区域,对不同区域选用不同的先验模型进行约束。同时考虑人眼的视觉感知特性,结合区域信息实现正则化参数的自适应选取。实验结果表明该方法在抑制重建图像伪信息的同时能有效保护细节,效果要优于传统方法与单一的先验模型约束,对于红外与可见光图像重建效果的提升提供了一定的理论参考。     

Infrared super-resolution imaging based on compressed sensing

The theoretical basis of traditional infrared super-resolution imaging method is Nyquist sampling theorem. The reconstruction premise is that the relative positions of the infrared objects in the low-resolution image sequences should keep fixed and the image restoration means is the inverse operation of ill-posed issues without fixed rules. The super-resolution reconstruction ability of the infrared image, algorithm’s application area and stability of reconstruction algorithm are limited. To this end, we proposed super-resolution reconstruction method based on compressed sensing in this paper. In the method, we selected Toeplitz matrix as the measurement matrix and realized it by phase mask method. We researched complementary matching pursuit algorithm and selected it as the recovery algorithm. In order to adapt to the moving target and decrease imaging time, we take use of area infrared focal plane array to acquire multiple measurements at one time. Theoretically, the method breaks though Nyquist sampling theorem and can greatly improve the spatial resolution of the infrared image. The last image contrast and experiment data indicate that our method is effective in improving resolution of infrared images and is superior than some traditional super-resolution imaging method. The compressed sensing super-resolution method is expected to have a wide application prospect.     

Infrared super-resolution imaging method based on retina micro-motion

With the wide application of infrared focal plane arrays (IRFPA), military, aerospace, public security and other applications have higher and higher requirements on the spatial resolution of infrared images. However, traditional super-resolution imaging methods have increasingly unable to meet this requirement in technology. In this paper, we adopt the achievement that the human retina micro-motion is the important reason why the human has the hyperacuity ability. Based on the achievement, we bring forward an infrared super-resolution imaging method based on retina micro-motion. In the method, we use the piezoelectric ceramic equipment to control the infrared detector moving variably within a plane parallel to the focal plane. The motion direction is toward each other into a direction of 90°. In the four directions of the movement, we get four sub-images and generate a high spatial resolution infrared image by image interpolation method. In the process of the shifting movement of the detector, we set the threshold of the detector response and record the response time difference when adjacent pixel responses are up to the threshold. By the method, we get the object’s edges, enhance them in the high resolution infrared image and get the super-resolution infrared image. The experimental results show that our proposed super-resolution imaging methods can improve the spatial resolution of the infrared image effectively. The method will offer a new idea for the super-resolution reconstruction of infrared images.     

基于亚像素扫描的超分辨技术在高分辨X射线显微镜中的应用

在不改变现有硬件条件的情况下,开展超分辨扫描重建方法,可以在不增加系统成本的基础上提高高分辨X射线显微镜的成像性能.设计了基于亚像素扫描的超分辨扫描模式,按照设计的调制方式进行亚像素位移的移动,采集多幅具有互补信息的低分辨率图像;然后基于系统的点扩散函数,对高分辨率图像进行复原;最后结合POCS超分辨重建算法重建出高分辨图像.实验结果表明,10倍光耦探测器下的衬度噪声比提高了20%左右,空间分辨力提高了0.2μm(约15%),细节分辨能力超过探测器像素尺寸1.35μm的限制,可以看到在低分辨率图像中看不到的细节.实验说明用超分辨技术提高高分辨X射线显微镜的分辨率是有意义的.     

基于压缩感知超分辨鬼成像

分辨率是成像系统的一个重要参数, 获得高分辨率图像一直是鬼成像系统的一个目标. 本文提出了以成像系统点扩散函数作为先验知识, 基于稀疏测量的超分辨压缩感知鬼成像重建模型. 搭建了一套计算鬼成像实验装置, 用于验证该模型对于提高鬼成像系统分辨率的有效性, 并与传统的鬼成像计算模型进行了对比. 实验表明, 利用该模型可突破成像系统衍射极限分辨率的限制, 得到超分辨鬼成像. 关键词： 鬼成像 压缩感知 超分辨 稀疏测量     

基于工业CT图像重构的网格模型的全局优化方法

针对用工业CT切片图像直接重构得到的网格模型质量不高的问题,提出一种不受拓扑结构限制的隐式曲面重构全局优化方法。该方法将三维表面模型用隐式函数来表示,通过模型提供的点云信息计算出隐式函数,提取等值面,实现曲面重构。针对隐式曲面重构数据处理量大的问题,引入FFTW快速傅里叶变换来提高效率。实验结果表明,该方法能够同时实现三角网格模型的去噪、网格平滑、简化以及孔洞修补,与保特征的均匀化网格平滑算法相比,去噪效果更好,效率更高。