[发明专利]一种点扩散函数的处理方法

说明书

技术领域

本发明属于显微镜技术领域，具体提供了一种点扩散函数的处理方法。

背景技术

超分辨率显微成像能使人眼直接观察放大的微观过程和结构。超分辨率显微成像在生物、医学、材料、精密机械和微电子等领域有广泛的应用和需求，对于各学科工程和科学前沿问题的解决具有重大意义。可见光波段的光学显微镜具有非接触、无损伤、可探测样品内部的优势，是研究器官、组织和细胞的重要工具。由于衍射极限的存在，横向和纵向分辨率分别只有200nm和500nm。超衍射极限的光学超分辨显微成像理论和技术一直是研究的热点。

压缩感知技术的出现为实现超衍射极限的光学超分辨显微成像提供了可能。通过压缩感知结合点扩散函数可以避免当前超衍射极限的光学超分辨显微成像一次只能对一个或少数荧光分子作图像采集的重复繁琐工作，从而节约巨大的人力物力资源，缩短超分辨率成像的采集重构周期、极大提高时间分辨率、简化历史图像档案管理，减少数据量，对于噪声的处理和控制也能更加地简化。

发明内容

本发明为了显微镜图像分辨率低的问题，特提供了一种点扩散函数的处理方法。

本发明是通过下述方案予以实现的：一种点扩散函数的处理方法，所述方法的过程为：

步骤一：基于实验通过高斯函数或贝塞尔函数拟合显微镜的点扩散函数，把显微镜的图像记录相机记录的低分辨率图像y分成像素更小的高分辨率网格；

步骤二：以每个网格中心为点扩散函数的源点，记录点扩散函数在低分辨率图像各个像素上的数值，然后将各个像素上的数值行或列首尾相接，形成一基于点扩散函数的列向量Φ_j；

步骤三：基于高分辨率网格的所有网格中点的点扩散函数的列向量Φ_j按照所有网格中点行或列首尾相接构成基于点扩散函数的矩阵Φ，其中Φ∈R^M×N，M＜N，M和N都是自然数，Φ_j是Φ的第j列；

步骤四：Φ各行正交化，然后各行单位化，最后Φ各列单位化，得到矩阵Φ_P；令Q＝Φ_PΦ'(ΦΦ')^-1，矩阵Φ_S＝QΦ；

步骤五：通过显微镜的图像记录相机采集记录低分辨率图像y；

步骤六：对显微镜采集到的低分辨率图像y通过矩阵Q做处理：

y_S＝Qy；

步骤七：通过传统的信号重构算法重构真实的超分辨率图像x：

min||x||₀s.t.y_S＝Φ_Sx。

本发明通过对点扩散函数一维化，组成测量矩阵。然后通过对测量矩阵和低分辨图像处理，最后得到高分辨率的重构图像。该方法大大高了信号重构能力和分辨率。本发明所述的方法不但简化了显微镜的硬件设计和实现，而且改善了信号重构效果，在显微镜的的图像处理等领域有着广泛的应用前景。

附图说明

图1是具体实施方式一所述的一种点扩散函数的处理方法的流程图；图2是应用具体实施方式基于OMP重构算法对矩阵Φ^169×4096，矩阵大小169×4096，处理得到的处理前后的精确重构概率与稀疏度的关系图；图3是应用具体实施方式基于BP重构算法对矩阵Φ^169×4096，矩阵大小169×4096，处理得到的处理前后的精确重构概率与稀疏度的关系图；图4是应用具体实施方式基于CVX重构算法对矩阵Φ^169×4096，矩阵大小169×4096，处理得到的处理前后的精确重构概率与稀疏度的关系图。

具体实施方式

具体实施方式一：根据说明书附图1具体说明本实施方式。一种点扩散函数的处理方法，所述方法的过程为：

步骤一：基于实验通过高斯函数或贝塞尔函数拟合显微镜的点扩散函数，把显微镜的图像记录相机记录的低分辨率图像y分成像素更小的高分辨率网格；

步骤二：以每个网格中心为点扩散函数的源点，记录点扩散函数在低分辨率图像各个像素上的数值，然后将各个像素上的数值行或列首尾相接，形成一基于点扩散函数的列向量Φ_j；

步骤三：基于高分辨率网格的所有网格中点的点扩散函数的列向量Φ_j按照所有网格中点行或列首尾相接构成基于点扩散函数的矩阵Φ，其中Φ∈R^M×N，M＜N，M和N都是自然数，Φ_j是Φ的第j列；