[发明专利]一种基于压缩感知超分辨显微成像方法有效

专利信息
申请号: 201910452890.2 申请日: 2019-07-12
公开(公告)号: CN110161667B 公开(公告)日: 2020-11-06
发明(设计)人: 李文文;王中阳;刘书朋 申请(专利权)人: 上海大学
主分类号: G02B21/00 分类号: G02B21/00;G02B21/36;G02B27/58
代理公司: 贵州派腾知识产权代理有限公司 52114 代理人: 谷庆红
地址: 200444*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 压缩 感知 分辨 显微 成像 方法
【权利要求书】:

1.一种基于压缩感知的超分辨显微成像方法,其特征在于,包括如下步骤:

步骤一:构建基于PSF的测量矩阵AN×M,并采用求解矩阵的互相关系数,判断重构准确性;N表示探测器的像素数,M表示重构的超分辨图像的像素数,A矩阵每一列表示不同位置下的原始信号在探测器上形成的PSF;

步骤二:通过对测量矩阵A矩阵左乘优化矩阵P构建新的测量矩阵D;令互相关度矩阵趋向于设定目标矩阵E,即F表示误差容忍;

步骤三:更新测量矩阵:采用如下两种方法之一:1)利用阈值函数,使误差容忍F小于设定的误差值F0,从而不断更新D;2)利用梯度下降迭代算法求F的最小值,即获得更新后的D;

步骤四:更新优化矩阵P:采用如下两种方法之一:1)通过直接求伪逆矩阵获得P=DA+,其中A+为A的伪逆矩阵;2)利用梯度下降非线性逼近,目标函数是通过迭代求P的最小值,即最后获得更新后的P;

步骤五:利用更新后的P分别对A和实际探测到的荧光成像Y左乘,分别获得A’和Y’,即A′=PA,Y′=PY;最后根据压缩感知理论min||X||1 s.t.Y′=A′X(PY=PAX)利用压缩感知重构算法重构原始信号X;再将X二维化获得超分辨显微图像。

2.如权利要求1所述基于压缩感知的超分辨显微成像方法,其特征在于,所述测量矩阵A满足约束等距(RIP)条件。

3.如权利要求1所述基于压缩感知的超分辨显微成像方法,其特征在于,所述目标矩阵E为完全不相干的单位矩阵、被证明与任意稀疏字典不相关的高斯随机矩阵、等角紧框架(ETF)的变型中任意一种。

4.如权利要求1-3任一项所述基于压缩感知的超分辨显微成像方法,其特征在于,上述基于压缩感知的超分辨显微成像方法,包括如下步骤:

步骤一:构建基于PSF的测量矩阵AN×M,N表示探测器的像素数,M表示重构的超分辨图像的像素数,A矩阵每一列表示不同位置下的原始信号在探测器上形成的PSF;

步骤二:优化测量矩阵;由于直接对A矩阵进行优化在光学系统中无法实现,因此通过对A矩阵左乘优化矩阵P构建新的测量矩阵D,即D=PA;获得互相关度矩阵其中由D矩阵单位化得到;G矩阵中非对角元素表示D矩阵任意两列列向量之间的内积,即互相关系数;优化的过程就是G趋向于E的过程,即F表示误差容忍;

步骤三:更新测量矩阵;利用阈值函数,使误差容忍F小于设定的误差值F0,从而不断更新D;或利用梯度下降迭代算法求F的最小值,即获得更新后的D;

步骤四:更新优化矩阵P;通过直接求伪逆矩阵获得P=DA+,其中A+为A的伪逆矩阵;或利用梯度下降非线性逼近,目标函数是通过迭代求P的最小值,即最后获得更新后的P;

步骤五:利用更新后的P分别对A和实际探测到的荧光成像Y左乘,分别获得A’和Y’,即A′=PA,Y′=PY;最后根据压缩感知理论min||X||1 s.t.Y′=A′X(PY=PAX)利用压缩感知重构算法重构原始信号X;再将X二维化获得超分辨显微图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海大学,未经上海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910452890.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top