基于改进的分裂Bregman算法的荧光显微图像复原方法和装置制造方法及图纸

本发明专利技术提出一种基于改进的分裂Bregman算法的荧光显微图像复原方法和装置，其中，该方法包括以下步骤：获取荧光显微图像，并建立荧光显微图像的模糊退化模型；对模糊退化模型进行加权全变差约束，以将模糊退化模型转化为复原图像的无约束优化模型；使用辅助变量对复原图像的无约束优化模型进变量替换，以得到与复原图像的无约束优化模型的等价约束优化模型；在等价约束优化模型中加入复原图像和辅助变量的二次惩罚项，以得到复原图像和辅助变量的无约束优化模型；对复原图像和辅助变量的无约束优化模型求解以计算复原图像。本发明专利技术实施例的荧光显微图像复原方法，既可以保留图像的边缘信息，又可以抑制平滑区域的阶梯效应，达到更好的去模糊效果。

【技术实现步骤摘要】

本专利技术涉及图像处理和计算机视觉
，特别涉及一种基于改进的分裂 Bregman算法的荧光显微图像复原方法和装置。
技术介绍
近年来，荧光显微图像复原或重建一直是图像处理与计算机视觉领域具有挑战性 的工作，并已证明在天文成像，电子显微镜，单光子发射计算机断层成像术，正电子发射断 层成像，生物，医学和生命科学研宄中具有重要价值。但是，由于成像系统衍射和噪声干扰 等因素，荧光显微图像不可避免出现模糊和噪声等退化现象，荧光显微图像的质量通常受 两个因素影响：一是由显微光学成像系统的物理限制而导致的模糊，用点扩散函数（Point SpreadFunction，PSF)来表征；二是测量工作大多在低光子流的情况下进行，因此会产生 泊松噪声。面对这些固有的光学限制，以及对高质量图像的大量需求，用数字图像处理技术 去除这些模糊和噪声是一项很有意义的工作。目前，分裂Bregman算法是求解范数最优化问题及其相关优化问题的最有效的方 法之一，该方法是Rudin等学者提出的一种基于Bregman距离的迭代正则化算法，起初是用 于图像去噪，后来Goldstein在此基础上提出了分裂Bregman迭代图像复原模型。传统全 变差分裂Bregman算法图像去模糊是假设图像在高斯噪声破坏情况下进行的，荧光显微图 像有可能被高斯噪声或泊松噪声污染，该算法虽然能在一定程度上抑制阶梯效应，但是复 原效果并不理想，并且在噪声影响过大的情况下，去模糊效果会有所下降。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。 为此，本专利技术的第一个目的在于提出一种基于改进的分裂Bregman算法的荧光显 微图像复原方法，能够保留图像的边缘信息，同时抑制平滑区域的阶梯效应，具有更好的去 丰吴糊效果。 本专利技术的第二个目的在于提出一种荧光显微图像复原装置。 为达上述目的，根据本专利技术第一方面实施例提出了一种基于改进的分裂Bregman 算法的荧光显微图像复原方法，包括以下步骤：S1、获取荧光显微图像，并建立所述荧光显 微图像的模糊退化模型；S2、对模糊退化模型进行加权全变差约束，以将所述模糊退化模型 转化为复原图像的无约束优化模型；S3、使用辅助变量对所述复原图像的无约束优化模型 进变量替换，以得到与所述复原图像的无约束优化模型的等价约束优化模型；S4、在所述等 价约束优化模型中加入所述复原图像和所述辅助变量的二次惩罚项，以得到所述复原图像 和所述辅助变量的无约束优化模型；S5、对所述复原图像和所述辅助变量的无约束优化模 型求解以计算所述复原图像。 本专利技术实施例的基于改进的分裂Bregman算法的荧光显微图像复原方法，在传统 基于分裂Bregman全变差图像去模糊算法的基础上，引入全变差约束模型和权函数，将加 权全变差约束模型与分裂Bregman方法有效地结合，既可以保留图像的边缘信息，又可以 抑制平滑区域的阶梯效应，达到更好的去模糊效果。 本专利技术第二方面实施例提出了一种基于改进的分裂Bregman算法的荧光显微图 像复原装置，包括：图像获取模块，用于获取荧光显微图像；模型建立模块，用于建立所述 荧光显微图像的模糊退化模型；模型变换模块，用于对模糊退化模型进行加权全变差约束， 以将所述模糊退化模型转化为复原图像的无约束优化模型，并使用辅助变量对所述复原图 像的无约束优化模型进变量替换，以得到与所述复原图像的无约束优化模型的等价约束优 化模型，以及在所述等价约束优化模型中加入所述复原图像和所述辅助变量的二次惩罚 项，以得到所述复原图像和所述辅助变量的无约束优化模型；图像复原模块，用于对所述复 原图像和所述辅助变量的无约束优化模型求解以计算所述复原图像。 本专利技术实施例的基于改进的分裂Bregman算法的荧光显微图像复原装置，在传统 基于分裂Bregman全变差图像去模糊算法的基础上，引入全变差约束模型和权函数，将加 权全变差约束模型与分裂Bregman方法有效地结合，既可以保留图像的边缘信息，又可以 抑制平滑区域的阶梯效应，达到更好的去模糊效果。 本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本专利技术的实践了解到。【附图说明】 本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变 得明显和容易理解，其中： 图1为根据本专利技术一个实施例的基于改进的分裂Bregman算法的荧光显微图像复 原方法的流程图； 图2(a)为根据本专利技术一个实施例中参数y与复原图像的信噪比的关系示意图； 图2(b)为根据本专利技术一个实施例中参数X与复原图像的信噪比的关系示意图； 图2(c)为根据本专利技术一个实施例中参数〇与复原图像的信噪比的关系示意图； 图2 (d)为根据本专利技术一个实施例方法、FTVd-FM算法以及传统分裂Bregman算法 中参数k与复原图像的信噪比的关系示意图； 图3(a)为根据本专利技术一个实施例的模拟荧光显微图像；图3(b)为根据本专利技术一个实施例的对图3(a)的模糊图像； 图3 (c)为通过FTVd-FM算法对图3 (b)进行复原得到的复原图像； 图3 (d)为通过传统的分裂Bregman算法对图3 (b)进行复原得到的复原图像； 图3(e)为根据本专利技术一个实施例对图3(b)进行复原得到的复原图像；图4(a)为根据本专利技术一个实施例真实荧光显微图像； 图4 (b)为通过FTVd-FM算法对图4 (a)进行复原得到的复原图像； 图4(c)为通过传统的分裂Bregman算法对图4(a)进行复原得到的复原图像； 图4(d)为根据本专利技术一个实施例对图4(a)进行复原得到的复原图像； 图5为根据本专利技术一个实施例的基于改进的分裂Bregman算法的荧光显微图像复 原装置的结构框图。【具体实施方式】 下面参考附图描述根据本专利技术实施例的基于改进的分裂Bregman算法的荧光显 微图像复原方法和装置，其中自始至终相同或类似的标号表示相同或类似的元件或具有相 同或类似功能的元件。公式中自始至终相同或类似的符号表示相同或类似的含义。下面通 过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。 图1为根据本专利技术一个实施例的基于改进的分裂Bregman算法的荧光显微图像复 原方法的流程图。 如图1所示，根据本专利技术实施例的基于改进的分裂Bregman算法的荧光显微图像 复原方法，包括以下步骤： S1、获取荧光显微图像，并建立荧光显微图像的模糊退化模型。 在本专利技术的一个实施例中，用f表示荧光显微图像，所建立的荧光显微图像的模 糊退化模型为：【主权项】1. 一种基于改进的分裂Bregman算法的荧光显微图像复原方法，其特征在于，包括以 下步骤： 51、 获取荧光显微图像，并建立所述荧光显微图像的模糊退化模型； 52、 对模糊退化模型进行加权全变差约束，以将所述模糊退化模型转化为复原图像的 无约束优化模型； 53、 使用辅助变量对所述复原图像的无约束优化模型进变量替换，以得到与所述复原 图像的无约束优化模型的等价约束优化模型； 54、 在所述等价约束优化模型中加入所述复原图像和所述辅助变量的二次惩罚项，以 得到所述复原图像和所述辅助变量的无约束优化模型； 55、 对所述复原图像和所本文档来自技高网...

【技术保护点】
一种基于改进的分裂Bregman算法的荧光显微图像复原方法，其特征在于，包括以下步骤：S1、获取荧光显微图像，并建立所述荧光显微图像的模糊退化模型；S2、对模糊退化模型进行加权全变差约束，以将所述模糊退化模型转化为复原图像的无约束优化模型；S3、使用辅助变量对所述复原图像的无约束优化模型进变量替换，以得到与所述复原图像的无约束优化模型的等价约束优化模型；S4、在所述等价约束优化模型中加入所述复原图像和所述辅助变量的二次惩罚项，以得到所述复原图像和所述辅助变量的无约束优化模型；S5、对所述复原图像和所述辅助变量的无约束优化模型求解以计算所述复原图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：王瑜，张长春，肖红兵，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：北京;11