一种基于叠层自聚焦实验的图像重建方法及系统技术方案

本发明专利技术公开了一种基于叠层自聚焦实验的图像重建方法及系统。该方法包括：将待测样品放在x

【技术实现步骤摘要】
一种基于叠层自聚焦实验的图像重建方法及系统


[0001]本专利技术涉及叠层成像
，特别是涉及一种基于叠层自聚焦实验的图像重建方法及系统。

技术介绍

[0002]叠层成像(ptychography)是一种主流的相位成像方法，传统叠层的一般操作步骤为：1、使用一束探针光束照射样品；2、侧向移动样品并保证每次移动时探针的照明区域有一定交叠率；3、在距离样品一定衍射距离处记录所有移动位置的衍射数据；4、根据所采集衍射数据和一些先验信息进行数字重建。而在这个过程中，样品于探测器之间(CCD)的衍射距离z是非常重要的先验信息，该参数的精确度会极大地影响重建图像的质量。在使用平面波照射时手动测量z值往往不够精确，往往需要在计算机上再加测试调整；而在球面波照射时因为波场传播特性z值无法手动测量，这时一个全面的叠层自聚焦算法就能大幅节省时间与精力，提高测量精度，为提高重建图像的像质带来帮助，促进叠层成像实验先验参数设定的自动化。

技术实现思路

[0003]基于此，本专利技术的目的是提供一种基于叠层自聚焦实验的图像重建方法及系统。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种基于叠层自聚焦实验的图像重建方法，包括：
[0006]将待测样品放在x
‑
y二维机械平移台上，采集所述待测样品所有平移位置的衍射数据；
[0007]基于所述衍射数据，进行初次叠层成像数值重建，得到重建图像；
[0008]计算初始衍射距离周围预设距离范围内所有重建图像的像质评估算子；
[0009]使用Adam优化方法搜索所述像质评估算子的极大值，并确定梯度更新方向；
[0010]根据所述梯度更新方向更新衍射距离及重建图像，直至达到迭代次数。
[0011]进一步地，所述像质评估算子的计算公式如下：
[0012][0013]其中，adaTV为像质评估算子，i为数组e中的第i个数值，e为设定的数组，N和M为重建图像中每行每列的像素数，x和y为重建图像的横纵坐标，p为Lp范数中p值的自适应设定值，σ为常数，o
z+Δz
为衍射距离z+Δz下的重建图像，Δz为衍射距离步长。
[0014]进一步地，梯度更新方向的确定公式如下：
[0015][0016]其中，g
t
为时间步长为t时的梯度更新方向，Δz为衍射距离步长。
[0017]本专利技术还提供了一种基于叠层自聚焦实验的图像重建系统，包括：
[0018]数据采集模块，用于将待测样品放在x
‑
y二维机械平移台上，采集所述待测样品所有平移位置的衍射数据；
[0019]图像重建模块，用于基于所述衍射数据，进行初次叠层成像数值重建，得到重建图像；
[0020]像质评估算子计算模块，用于计算初始衍射距离周围预设距离范围内所有重建图像的像质评估算子；
[0021]梯度更新方向确定模块，用于使用Adam优化方法搜索所述像质评估算子的极大值，并确定梯度更新方向；
[0022]衍射距离及重构图像更新模块，用于根据所述梯度更新方向更新衍射距离及重建图像，直至达到迭代次数。
[0023]进一步地，所述像质评估算子的计算公式如下：
[0024][0025]其中，adaTV为像质评估算子，i为数组e中的第i个数值，e为设定的数组，N和M为重建图像中每行每列的像素数，x和y为重建图像的横纵坐标，p为Lp范数中p值的自适应设定值，σ为常数，o
z+Δz
为衍射距离z+Δz下的重建图像，Δz为衍射距离步长。
[0026]进一步地，梯度更新方向的确定公式如下：
[0027][0028]其中，g
t
为时间步长为t时的梯度更新方向，Δz为衍射距离步长。
[0029]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0030]本专利技术基于自适应Lp范数的TV(Total Variation)像质评估算子，解决了过往的自聚焦算法因生物样品纹理结构复杂而导致的距离结果收敛不准确的问题。同时结合基于自适应矩估计(adaptive moment estimation)的Adam最优化方法，很好地解决了过往随机梯度下降算法(SGD)因初始衍射距离选取、衍射距离步长设置不合适等容易收敛到最优解以外的极值的问题。在衍射距离收敛结果优秀的情况下，收敛所需的计算时间也比全局优化算法短得多。本专利技术解决了叠层实验中因衍射距离设置不准确而导致的重建效果差、适用样品范围小、收敛不稳定、耗时等实际问题。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0032]图1为本专利技术实施例基于叠层自聚焦实验的图像重建方法的流程图；
[0033]图2为本专利技术实施例基于叠层自聚焦实验的图像重建方法的原理图；
[0034]图3为算法的收敛效果图；
[0035]图4为实验1过程中adaTV算子随迭代次数变化而变化的过程；
[0036]图5为实验1过程中adaTV算子随衍射距离变化而变化的过程。
[0037]图6为不同自聚焦算法的收敛曲线对比图。
[0038]图7为使用本专利技术所提供的算法收敛到的衍射距离z值重建获得的振幅图像与使用传统TV算子收敛到的衍射距离z值重建获得的振幅图像。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0041]本专利技术提供的于叠层自聚焦实验的图像重建方法包括两部分核心内容，分别是像质评估函数的设计与最优化方法的选择。首先对这两部分原理进行介绍：
[0042]1、设计一个有效的像质评估函数，使得在重建过程中衍射距离处于正确的真实值时，该目标函数能够达到一个极值(极大值或极小值)。对此使用基于自适应Lp范数的TV降噪模型，该降噪模型可以表示为：
[0043][0044]取公式右侧其第一项即变分项进行目标函数设计，其中U0代表原始图像，代表梯度，U1代表退化图像，μ和λ都是正则化参数，x和y都是图像域的坐标，p为Lp范数中p值的自适应设定：
[0045][0046]其中ifft{}表示逆傅里叶变换，是维纳滤波方法在频域的表达式：
[0047][0048]其中H
z
表示点扩散函数(PS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于叠层自聚焦实验的图像重建方法，其特征在于，包括：将待测样品放在x
‑
y二维机械平移台上，采集所述待测样品所有平移位置的衍射数据；基于所述衍射数据，进行初次叠层成像数值重建，得到重建图像；计算初始衍射距离周围预设距离范围内所有重建图像的像质评估算子；使用Adam优化方法搜索所述像质评估算子的极大值，并确定梯度更新方向；根据所述梯度更新方向更新衍射距离及重建图像，直至达到迭代次数。2.根据权利要求1所述的基于叠层自聚焦实验的图像重建方法，其特征在于，所述像质评估算子的计算公式如下：其中，adaTV为像质评估算子，i为数组e中的第i个数值，e为设定的数组，N和M为重建图像中每行每列的像素数，x和y为重建图像的横纵坐标，p为Lp范数中p值的自适应设定值，σ为常数，o
z+Δz
为衍射距离z+Δz下的重建图像，Δz为衍射距离步长。3.根据权利要求2所述的基于叠层自聚焦实验的图像重建方法，其特征在于，梯度更新方向的确定公式如下：其中，g
t
为时间步长为t时的梯度更新方向，Δz为衍射距离步长。4.一种基于叠层自聚焦实验的图像重建系统，其特征在于，包括：数据采集模块，...

【专利技术属性】
技术研发人员：史祎诗，阮天昊，陶冶，张书源，杨栋宇，祝玉鹏，吕文晋，张峻浩，闫旭彤，高怡雯，
申请(专利权)人：中国科学院大学，
类型：发明
国别省市：