深度学习提高单像素显微镜成像质量研究

发布时间：2024-05-13 19:24

　　传统光学显微镜是通过透镜组合的方式将物体所成的像放大,从而进行观测。通过在显微镜系统上增加CCD器件以便采集数据,之后对采集的数据进行光电信号转换后,就可通过显示器观察成像。但是CCD成本较高,并且在光源是不可见光时,CCD就不适用了。单像素成像技术可以在没有直接来自物体的光的情况下捕获场景信息,并且类似于压缩采样的方法,节约时间和成本,拓宽显微镜成像的光谱范围。其中傅里叶单像素成像技术在采样率较高的条件下可以实现高质量成像,但是频谱采样率低的时候,其捕捉的图片质量却不够高。对于成像的质量较低问题,滤波去噪等后处理的方法被应用,尤其是深度学习的方法得到了广泛的研究。深度学习的一些方法可以不经过中间过程,完成端对端的学习。因此,本文对深度学习提高单像素传统光学显微镜成像质量进行研究,主要工作内容包括:本文首先根据傅里叶单像素成像技术原理,使其应用在传统光学显微镜成像上,搭建了一套完整的实验系统,并通过实验获取单像素显微镜对标本所成的图像。介绍深度学习的原理,说明深度学习为何可以提升图像质量。之后介绍了三种基于卷积神经网络的深度学习模型,分别是三层、十层以及十九层网络结构,利用制作的对应数...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 课题研究的背景及意义
    1.2 国内外研究现状
        1.2.1 显微镜的发展
        1.2.2 深度学习超分辨率的发展
    1.3 研究目的与研究内容
第二章 单像素显微镜
    2.1 引言
    2.2 鬼成像的发展
    2.3 单像素显微镜的发展
    2.4 本章小结
第三章 傅里叶单像素显微成像的原理及实验
    3.1 引言
    3.2 傅里叶单像素成像原理
    3.3 单像素显微镜成像实验
    3.4 本章小结
第四章 利用深度学习对单像素成像的质量提升
    4.1 引言
    4.2 数据集的建立
    4.3 基于SRCNN的深度学习模型结构
    4.4 一种更深的神经网络模型
    4.5 基于EDSR的深度学习模型结构
    4.6 深度学习模型对单像素显微成像图片的对比
    4.7 本章小结
第五章 结论与展望
    5.1 文章主要工作内容
    5.2 论文主要创新点
    5.3 后续工作展望
参考文献
攻读硕士学位期间的学术活动及成果情况



本文编号：3972595