基于富里埃图形算法和深度学习的对比增强,单拍LED阵列显微镜

科学领域:

• 显微镜的使用方法
• 在光学成像系统中,光学成像
• 计算机摄影的使用

背景情况:

• LED阵列显微镜提供小型化和低成本,在某些应用中表现优于传统方法.
• 在LED显微镜中,高数值光圈照明可以提高分辨率,但可以降低对比度,从而产生分辨率-对比度的权衡.
• 里埃图形图像学增强了对比度,但需要多张图像,阻碍了活样本成像.

研究的目的:

• 开发一种对比度增强的,单拍LED阵列显微镜方法.
• 为了克服传统的富里埃图谱在实时成像中的耗时性质.
• 在LED阵列显微镜中,提高图像对比度而不牺牲空间分辨率.

主要方法:

• 使用一次性照明,同时使用阵列中的所有LED.
• 采用深度学习,专门训练的卷积神经网络,重建图像.
• 集成的富里埃图形图形原理与深度学习用于对比度增强.

主要成果:

• 与最初捕获的图像相比,图像对比度取得了显著的改善.
• 证明了能够产生无色色差的结果的能力,即使在未经校正的目标.
• 通过使用深度学习,成功地从单一镜头中生成了福里埃图形学所需的多个图像.

结论:

• 拟议的方法显著提高了单拍LED阵列显微镜中的图像对比度.
• 这种技术为实体样本成像提供了低成本的方法,克服了以前的局限性.
• 结合LED阵列显微镜,富里埃图谱和深度学习,提供了一个强大的成像解决方案.