一种基于自适应矩估计FPM的迭代重建方法技术

本发明专利技术提供了一种基于自适应矩估计FPM的迭代重建方法，包括S1：在低倍物镜下，采用LED阵列作为光源，通过逐个点亮LED阵列中的LED单元对样本照明，采集该样本一系列对应LED位置的低分辨强度图像；S2：利用每幅低分辨强度图像将匹配频域中的支持限制域迭代更新对应LED位置的子孔径频谱信息，基于自适应矩估计的叠层重建框架，完成高分辨图像恢复。本发明专利技术利用自适应矩估计实现了噪声环境下的自适应FP高质量的更快速、更稳定的图像迭代重建。更稳定的图像迭代重建。更稳定的图像迭代重建。

【技术实现步骤摘要】
一种基于自适应矩估计FPM的迭代重建方法


[0001]本专利技术涉及计算显微成像
，特别涉及一种基于自适应矩估计FPM的迭代重建方法。

技术介绍

[0002]定量位相成像(QPI)由于其鲁棒性及无标记成像优势，已经成为了广泛应用于细胞及组织观察领域的一种通用的计算成像技术。随着QPI的发展，作为其实现技术之一，傅里叶叠层显微成像(FPM)技术受到学者们的持续关注。FPM使用一个可编程的LED阵列作为光源配合一个低倍物镜在频域实现孔径扫描及孔径合成，有效拓宽了系统的空间增益带宽积(SBP)和等效数值孔径(NA)，实现了低倍物镜大视场下的高分辨显微成像效果。
[0003]作为FPM的重建核心，其叠层迭代引擎(PIE)的设计直接影响重建算法的性能表现。2013年，Zheng等人基于GS框架设计了基础FP算法，有效恢复了视场中目标的强度和位相信息。然而，基础FP的理论实现基于一些前提假设，如忽略样本的厚度、部分相干光、假定低倍镜为一个理想的低通滤波器及忽略噪声等。这些客观存在的影响因素极大地限制了FP在实际应用的使用效果。之后，ePIE及EPRY算法被提出，提升了PIE的鲁棒性并进一步放松了实际硬件系统对FP的需求。ePIE及EPRY的设计是将孔径函数和样本频谱同等对待，通过交替投影算法实现在无系统像差先验条件下的协同恢复，成为了当今FP领域使用最为广泛的两种算法。然而，这两种算法仍然存在一些缺陷。首先，ePIE和EPRY的设计基于传统的梯度下降算法，其意味着算法很容易陷入一个局部最优解。其次，为了保证算法的收敛性，算法的步长采用最大值作为分母项，减缓了算法的速度。最后，算法易于受到系统环境噪声影响。
[0004]为了进一步改善PIE算法性能表现，rPIE及mPIE相继被提出。rPIE通过将PIE及ePIE以凸组合的形式进行了重新设计，一定程度上增强了算法的寻优能力。mPIE在rPIE的基础上首次引入机器学习理念，增加了一个动量加速模块，使得算法拥有跨越局部最优的能力，成为了当前设计最优的算法框架。相比于其他PIE算法，mPIE在算法收敛速度及重建表现上获得了巨大的突破。然而，上述优势是以七个额外引入的调优超参及繁琐的参数调优过程为代价而获得的。不仅如此，mPIE的超参设置并不适用于不同的显微成像情形，这使得使用者或研究者难以寻找到适用于自身需求的一组参数设置。在调优过程中，一些过大的参数设置容易导致mPIE在早期重建失败。
[0005]传统的FP迭代框架存在重建速度慢，易于调入局部最优的显著性缺陷，而当前最优FP设计框架引入了机器学习理念虽然克服了传统FP算法缺陷，但却带来了调优超参过多，调参复杂，算法适用性低等新的问题，极大地限制了算法在实际中的应用及后续开发。

技术实现思路

[0006]为解决上述问题，本专利技术提供了一种基于自适应矩估计FPM的迭代重建方法，针对当前性能最优的傅里叶叠层叠代框架中存在的调优超参过多，调参任务繁重等极大限制实
际应用的问题，利用自适应矩估计实现了噪声环境下的自适应FP高质量迭代重建，不仅克服了传统FP迭代重建算法普遍存在的易于调入局部最小的问题，而且以极少的调优参数引入完成高质量的更快速、更稳定的图像重建，具有参数适应广泛、算法鲁棒性高等优点。
[0007]本专利技术提供了，具体技术方案如下：
[0008]S1：在低倍物镜下，采用LED阵列作为光源，通过逐个点亮LED阵列中的LED单元对样本照明，采集该样本一系列对应LED位置的低分辨强度图像；
[0009]S2：利用每幅所述低分辨强度图像将匹配频域中的支持限制域迭代更新对应LED位置的子孔径频谱信息；
[0010]以初始的一个频谱估计值O0及初始化光瞳函数P作为起点，基于自适应矩估计的叠层重建框架，完成高分辨图像恢复将所述低分辨强度图像恢复为高分辨图像。
[0011]进一步的，步骤S1，具体过程如下：
[0012]S101：选定带有M
×
N个LED单元的LED阵列，放置与样本正下方设定垂直距离的水平面上；
[0013]S102：点亮LED阵列中的任一LED单元照射样本，样本对LED单元发出的照明波矢进行调制后发射到物镜，经物镜调制后传播至相机像面得到低分辨率强度图像；
[0014]S103：基于LED阵列逐一点亮阵列中的LED单元从不同角度照射样本，得到该样本一系列对应LED位置的低分辨强度图像。
[0015]进一步的，所述垂直距离远大于样本的厚度。
[0016]进一步的，步骤S2，具体过程如下：
[0017]S201：将当前更新位置的子孔径信息转化至空域的复振幅信息；
[0018]S202：将采集的所述低分辨强度图像作为强度限制置换振幅部分，得到更新的复振幅信息，并转换至频域信息；
[0019]S203：基于FP背景，对于样本频谱O，设计梯度更新项；
[0020]S204：根据所述梯度更新项，构建样本的一阶矩估计和二阶矩估计；
[0021]S205：将样本的一阶矩估计和二阶矩估计用于光瞳函数以及对应位置下的子频谱迭代更新。
[0022]进一步的，步骤S203中，所述梯度更新项，具体如下：
[0023][0024]其中，α为原rPIE算法中的一个调优控制超参，此处用于控制梯度更新项中的线性方向分量，为固定值；m和n表示LED单元在LED阵列中的行和列；i表示当前迭代次数；P
(m,n)
‑1(k+k
m,n
)表示位置(m,n)前一时刻物镜在频域中的光瞳函数；|P
(m,n)
‑1(k+k
m,n
)|
max
表示与P定义的光瞳函数的模值最大值；表示第i次迭代中位于(m,n)子孔径位置的替换振幅后的子频谱；表示第i次迭代中位于(m,n)子孔径位置初始子频谱。
[0025]进一步的，步骤S204中，所样本的一阶矩估计为：
[0026]m
obj,0
＝0
[0027]m
obj,t
＝β1m
obj,t
‑1+(1
‑
β1)g
obj,t
,
[0028]其中，m
obj
表示样本的一阶矩估计，t与t
‑
1表示两个相邻的位置；表示一阶矩衰减系数；
[0029]样本的二阶矩估计为：
[0030]v
obj,0
＝0
[0031][0032]其中，v
obj
表示样本的二阶矩估计，β1和β2为固定的通用引入超参，分别表示一阶矩衰减系数和二阶矩衰减系数，g
obj,(m,n)
表示梯度更新项。
[0033]进一步的，在步骤S204中，还包括对一阶矩和二阶矩进行与迭代时期的自适应偏置校正，具体如下：
[0034][0035][0036]其中，和分别表示校正后的一阶矩和二阶矩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应矩估计FPM的迭代重建方法，其特征在于，包括：S1：在物镜下，采用LED阵列作为光源，通过逐个点亮LED阵列中的LED单元对样本照明，采集该样本一系列对应LED位置的低分辨强度图像；S2：利用每幅所述低分辨强度图像将匹配频域中的支持限制域迭代更新对应LED位置的子孔径频谱信息；以初始的一个频谱估计值O0及初始化光瞳函数P作为起点，基于自适应矩估计的叠层重建框架，完成高分辨图像恢复将所述低分辨强度图像恢复为高分辨图像。2.根据权利要求1所述的迭代重建方法，其特征在于，步骤S1，具体过程如下：S101：选定带有M
×
N个LED单元的LED阵列，放置与样本正下方设定垂直距离的水平面上；S102：点亮LED阵列中的任一LED单元照射样本，样本对LED单元发出的照明波矢进行调制后发射到物镜，经物镜调制后传播至相机像面得到低分辨率强度图像；S103：基于LED阵列逐一点亮阵列中的LED单元从不同角度照射样本，得到该样本一系列对应LED位置的低分辨强度图像。3.根据权利要求2所述的迭代重建方法，其特征在于，所述垂直距离远大于样本的厚度。4.根据权利要求1所述的迭代重建方法，其特征在于，步骤S2，具体过程如下：S201：将当前更新位置的子孔径信息转化至空域的复振幅信息；S202：将采集的所述低分辨强度图像作为强度限制置换振幅部分，得到更新的复振幅信息，并转换至频域信息；S203：基于FP背景，对于样本频谱O，设计梯度更新项；S204：根据所述梯度更新项，构建样本的一阶矩估计和二阶矩估计；S205：将样本的一阶矩估计和二阶矩估计用于光瞳函数以及对应位置下的子频谱迭代更新。5.根据权利要求4所述的迭代重建方法，其特征在于，步骤S203中，所述梯度更新项，具体如下：其中，α为原rPIE算法中的一个调优控制超参，为固定值；m和n表示LED单元在LED阵列中的行和列；i表示当前迭代次数；P
(m,n)
‑1(k+k
m,n
)表示位置(m,n)前一时刻...

【专利技术属性】
技术研发人员：许廷发，陈毅文，张继洲，李佳男，张瑾华，
申请(专利权)人：北京理工大学重庆创新中心，
类型：发明
国别省市：