[发明专利]一种基于深度学习算法的FPM高分辨率彩色图像重建方法

摘要

本发明公开了一种基于深度学习算法的FPM高分辨率彩色图像重建方法。该方法采用常规FPM重建方法只需要恢复样品的RGB中某一颜色的高分辨率图像，与LED二维阵列中心位置上的R、G、B LED照射下获得的样品的三个单色低分辨率图像的主成分信息组合，然后利用多层人工神经网络进行图像融合，即可获得样品的高分辨率彩色图像。本发明利用深度学习算法优势，通过构建理想的多层人工神经网络结构和训练各层参数，建立了一种新型的FPM高分辨率彩色图像重建方法。本发明在减少数据采集时间和图像数据量的同时，可有效地解决FPM技术恢复高分辨率彩色图像时存在的偏色问题。

主权项

1.一种基于深度学习算法的FPM高分辨率彩色图像重建方法，其特征在于，所述的FPM高分辨率彩色图像重建方法的成像系统包括依次沿光轴设置的：R、G、B三色二维LED可编程阵列、样品台、显微物镜、镜筒、单色CCD或CMOS相机，以及与单色CCD或CMOS相机连接的计算机；其中R、G、B三色二维LED可编程阵列与计算机连接作为显微成像系统的光源，计算机用于数据采集，R、G、B三色二维LED可编程阵列控制及数据处理；所述的基于深度学习算法的FPM高分辨率彩色图像重建方法是把深度学习算法与FPM恢复算法相结合来重建高分辨率彩色图像的方法，其中深度学习算法是多层人工神经网络的训练和学习过程；该方法包括以下步骤：(1)分别采集R、G、B三色LED二维阵列中中心位置R、G、B照明下样品的三个低分辨率图像，获得低分辨率彩色图像；(2)任选一个颜色的二维LED阵列，采集这个颜色不同位置LED照射下样品的低分辨率图像，并利用FPM常规的重建算法恢复该颜色通道对应的样品的高分辨率单色图像；(3)对步骤(1)获得的低分辨率彩色图像进行主成分分解，并将主成分降维，以降低分辨率；对步骤(2)恢复的高分辨率单色图像进行下采样，与降低分辨率的主成分图像进行组合；(4)输入多层人工神经网络，并以低分辨率彩色图像未降低分辨率的主成分图像作为训练目标，训练多层人工神经网络；(5)高分辨率彩色图像重建时，扩展低分辨率彩色图像的主成分图像，然后与恢复的高分辨率单色图像一并输入多层人工神经网络预测主成分，利用得到的预测主成分计算获得高分辨率彩色图像。