一种基于压缩感知的fpm算法

文档序号:6624515阅读:859来源:国知局
一种基于压缩感知的fpm算法
【专利摘要】一种基于压缩感知的FPM算法,包括以下步骤:1)用FPM平台采集不同光照下的低分辨率的图像ri(x,y);2)基于不同角度光照下所得到的图像其实是正射下的图像在频域进行平移得到的特点,对采集到的图像ri(x,y)建立约束,基于该约束,根据压缩感知构造求解最优问题的优化问题;3)通过迭代的方法求解所述优化问题得到稀疏系数α,将α与过完备字典相乘得到最终结果。本算法利用压缩感知技术的优势,将原有的FPM算法进行了数学抽象,将频域迭代的方法抽象成求解最优解的问题,从一个新的角度来解决图像超分辨率重建问题,提高了算法的重建效果。
【专利说明】一种基于压缩感知的FPM算法

【技术领域】
[0001]本发明属于显微成像、计算机视觉、计算机图形学领域,尤其是立体图形学领域,特别涉及一种利用基于压缩感知的FPM算法的图像超分辨率重建的技术。
技术背景
[0002]压缩感知作为一个新的采样理论,通过开发信号的稀疏特性,在远小于Nyquist采样频率的情况下,用随机采样获取信号的离散样本,再通过非线性重建的算法完美地重建信号。这一理论的提出,抛弃了信号的冗余信息,在信息论、图像处理、光学成像和模式识别等领域得到了广泛地应用。
[0003]Fourier ptychographic microscopy(FPM)是一种基于显微镜平台的图像超分辨率重建的方法,可以有效克服空间带宽积(space bandwidth product)受限的矛盾问题。常见的光学成像平台都会受到空间带宽积的限制,即如果我们观察的视野范围比较广,那么观测物体的放大倍数就会偏小;反之,如果我们观测物体的放大倍数比较大,那么视野的范围就会缩小。而FPM算法很好地解决了这一问题,让我们能够获取广视野、高分辨率的图像,由此,突破了光学成像系统的物理极限。


【发明内容】

[0004]本发明的目的在于提供一种基于压缩感知的FPM算法。
[0005]本发明提供的基于压缩感知的FPM算法包括以下步骤:
[0006]I)用FPM平台采集不同光照下的低分辨率的图像& (X,y),包括:控制LED阵列中LED逐点发光,成像装置选择当前LED对应的曝光时间采集图像& (X,y);
[0007]2)基于不同角度光照下所得到的图像其实是正射下的图像在频域进行平移得到的特点,对采集到的图像ri (X,y)建立约束
[0008]ri(x,y) = IIF-1IQ * F{H(x,y)} * φ||2
[0009]其中,H(x,y)为最终结果,Ci为提取矩阵,Cf为提取矩阵Ci的转置;
[0010]基于该约束,根据压缩感知构造求解最优问题的优化问题:

【权利要求】
1.一种基于压缩感知的FPM算法,其特征在于包括以下步骤: 1)用FPM平台采集不同光照下的低分辨率的图像&(X,y),包括:控制LED阵列中LED逐点发光,成像装置选择当前LED对应的曝光时间采集图像η(Χ,y); 2)基于不同角度光照下所得到的图像其实是正射下的图像在频域进行平移得到的特点,对采集到的图像ri (X,y)建立约束
Ti(x,y) = WF^HC1 * F{H(x,y)} * Cj}\\2 其中,H(x,y)为最终结果,Ci为提取矩阵,Cf为提取矩阵Ci的转置; 基于该约束,根据压缩感知构造求解最优问题的优化问题:
其中,L等于LED阵列中LED的数量,Φ为过完备字典,α是稀疏系数; 3)通过迭代的方法求解所述优化问题得到稀疏系数α,将α与过完备字典相乘得到最终结果。
2.根据权利要求1所述的基于压缩感知的FPM算法,其特征在于,所述FPM平台包括显微镜,显微镜设置有成像装置,显微镜的光源采用可编程的LED阵列,LED阵列的相邻两个LED之间的距离为4mm,LED阵列与载物台之间的距离为7~8cm。
3.根据权利要求1所述的基于压缩感知的FPM算法,其特征在于,采用以下方法确定LED阵列中各个LED对应的成像装置曝光时间: 首先确定中心LED的位置:固定一个曝光时间,LED阵列上的灯逐点发光,用成像装置采集每一张图像,计算图像的亮度分布,估计中心LED的位置; 然后确定不同区域的曝光时间:选定几个不同的曝光时间,LED阵列上的灯逐点发光,用成像装置采集每一张图像,筛选每个LED对应的图像,确定每个LED对应需要的曝光时间;主要的原则是:a)曝光时间尽可能选择短的,但是一定保证基本保留了图像信息;b)与中心LED距离相同的LED所需要的曝光时间应该一样; 所述中心LED为样本正下方的LED。
【文档编号】G06T5/50GK104200449SQ201410420927
【公开日】2014年12月10日 申请日期:2014年8月25日 优先权日:2014年8月25日
【发明者】张永兵, 蒋伟鑫, 戴琼海 申请人:清华大学深圳研究生院
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1