光学扫描全息术中切片成像关键技术研究
发布时间：2023-05-04 00:08
光学扫描全息术是一种具有实时性、高分辨率的数字全息技术,它能够获取荧光细胞标本的三维图像信息,在生物医学成像领域有广阔的应用前景。本论文结合理论推导、软件仿真、实验验证的方式,对光学扫描全息术中切片物体成像问题进行研究与探索,主要从以下几个方面进行论述。(一)通过二维傅里叶变换,卷积和相关等数学原理对波动方程和菲涅尔衍射定理进行推导,然后重点对光学扫描全息系统中全息图像的记录和重建理论进行分析,指出光学扫描全息术中切片成像关键技术问题。(二)介绍切片成像关键技术,包括自聚焦问题、自聚焦技术的研究进程、离焦噪声的两种形式,散斑噪声消除技术的研究进程等,另外对离焦噪声的两种形式进行了重点分析。(三)介绍常用图像评价指标函数,例如,标准偏差相关函数、图像拉普拉斯函数的能量等等,分析切片物体的全息图像在盲重建过程中重建图像的特征变化,提出基于图像评价指标函数的自聚焦算法以及改进的基于边缘灰度差异函数的自聚焦算法,最后通过软件仿真和实验验证相结合的方式来验证算法的性能。(四)首先简要介绍机器学习的概念,发展进程等,然后介绍了一种无监督学习算法—SOM神经网络,包括SOM神经网络的起源、特性以及它...
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 全息技术发展概述
1.2 光学扫描全息术的概述和特点
1.3 光学扫描全息术的国内外研究历史与现状
1.4 光学扫描全息术中存在的问题
1.5 本论文的主要工作
第二章 光学扫描全息理论
2.1 相关数学原理及推导
2.1.1 二维傅里叶变换
2.1.2 卷积和相关
2.1.3 波动方程
2.1.4 菲涅尔衍射定理
2.2 全息图像的记录
2.2.1 光瞳函数和光学传递函数
2.2.2 光学扫描全息系统
2.2.3 全息图像的记录理论
2.3 全息图像的重建
2.4 本章小结
第三章 切片成像关键技术概述
3.1 光学扫描全息术中的自聚焦技术
3.1.1 自聚焦的概念
3.1.2 自聚焦技术的研究进展
3.2 光学扫描全息术中的离焦噪声消除技术
3.2.1 普通离焦噪声
3.2.2 散斑噪声
3.2.3 散斑噪声消除技术的研究进展
3.3 本章小结
第四章 基于图像评价指标函数的自聚焦算法
4.1 图像评价指标函数
4.1.1 梯度法基本理论
4.1.2 基于图像统计的评价指标函数
4.1.3 基于相关性的评价指标函数
4.1.4 基于差异的评价指标函数
4.1.5 基于图像熵的评价指标函数
4.1.6 均值梯度函数
4.2 基于图像评价指标的光学扫描全息自聚焦算法
4.3 基于均值梯度函数的自聚焦算法的Matlab仿真实现与结果分析
4.3.1 无重叠切片物体仿真数据
4.3.2 无重叠切片物体实验数据
4.3.3 重叠切片物体仿真数据
4.3.4 结果分析
4.4 基于边缘灰度差异的自聚焦算法的Matlab仿真实现与结果分析
4.4.1 边缘灰度差异函数实现自聚焦的可行性分析
4.4.2 基于边缘灰度差异函数的自聚焦算法
4.4.3 Matlab仿真及结果分析
4.5 本章小结
第五章 基于机器学习的光学扫描全息离焦噪声消除算法
5.1 机器学习
5.1.1 机器学习的基本概念
5.1.2 机器学习的发展历史
5.2 无监督学习算法之SOM神经网络
5.2.1 SOM神经网络
5.2.2 SOM神经网络的训练流程
5.3 基于SOM神经网络的光学扫描全息离焦噪声消除算法
5.3.1 基于SOM神经网络的光学扫描全息离焦噪声消除算法
5.3.2 噪声消除效果常用评价函数
5.4 基于SOM神经网络算法Matlab仿真结果及结果分析
5.4.1 简单字符
5.4.2 复杂汉字
5.5 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 本论文工作的不足之处
6.3 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
本文编号：3807558
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 全息技术发展概述
1.2 光学扫描全息术的概述和特点
1.3 光学扫描全息术的国内外研究历史与现状
1.4 光学扫描全息术中存在的问题
1.5 本论文的主要工作
第二章 光学扫描全息理论
2.1 相关数学原理及推导
2.1.1 二维傅里叶变换
2.1.2 卷积和相关
2.1.3 波动方程
2.1.4 菲涅尔衍射定理
2.2 全息图像的记录
2.2.1 光瞳函数和光学传递函数
2.2.2 光学扫描全息系统
2.2.3 全息图像的记录理论
2.3 全息图像的重建
2.4 本章小结
第三章 切片成像关键技术概述
3.1 光学扫描全息术中的自聚焦技术
3.1.1 自聚焦的概念
3.1.2 自聚焦技术的研究进展
3.2 光学扫描全息术中的离焦噪声消除技术
3.2.1 普通离焦噪声
3.2.2 散斑噪声
3.2.3 散斑噪声消除技术的研究进展
3.3 本章小结
第四章 基于图像评价指标函数的自聚焦算法
4.1 图像评价指标函数
4.1.1 梯度法基本理论
4.1.2 基于图像统计的评价指标函数
4.1.3 基于相关性的评价指标函数
4.1.4 基于差异的评价指标函数
4.1.5 基于图像熵的评价指标函数
4.1.6 均值梯度函数
4.2 基于图像评价指标的光学扫描全息自聚焦算法
4.3 基于均值梯度函数的自聚焦算法的Matlab仿真实现与结果分析
4.3.1 无重叠切片物体仿真数据
4.3.2 无重叠切片物体实验数据
4.3.3 重叠切片物体仿真数据
4.3.4 结果分析
4.4 基于边缘灰度差异的自聚焦算法的Matlab仿真实现与结果分析
4.4.1 边缘灰度差异函数实现自聚焦的可行性分析
4.4.2 基于边缘灰度差异函数的自聚焦算法
4.4.3 Matlab仿真及结果分析
4.5 本章小结
第五章 基于机器学习的光学扫描全息离焦噪声消除算法
5.1 机器学习
5.1.1 机器学习的基本概念
5.1.2 机器学习的发展历史
5.2 无监督学习算法之SOM神经网络
5.2.1 SOM神经网络
5.2.2 SOM神经网络的训练流程
5.3 基于SOM神经网络的光学扫描全息离焦噪声消除算法
5.3.1 基于SOM神经网络的光学扫描全息离焦噪声消除算法
5.3.2 噪声消除效果常用评价函数
5.4 基于SOM神经网络算法Matlab仿真结果及结果分析
5.4.1 简单字符
5.4.2 复杂汉字
5.5 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 本论文工作的不足之处
6.3 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
本文编号：3807558
本文链接：https://www.wllwen.com/kejilunwen/wulilw/3807558.html
