【技术实现步骤摘要】
本专利技术涉及图像数据处理，具体为一种高速图像获取处理方法及其在扫描成像装置中的应用。
技术介绍
1、随着现代工业和科技的发展，对于快速成像的需求愈加强烈，尤其是对于大体积或者大面积的物体成像。而现有的提升图像快速成像主要有两个技术路线，其一是提高成像硬件的成像（扫描）速度，其二是提高图像数据处理的速度，目前随着成像硬件的技术发展和体积扫描技术的出现，图像数据处理技术的运算速度面临着更大的挑战；
2、例如在生物学研究中，了解生物组织器官的结构对于掌握其功能有着很大的促进作用，并对于各种功能疾病的诊断提供强有力的科学根据。但是由于组织器官（例如大脑）尺寸较大，成像范围有限，需要多次区域成像才能获取到完整的一个平面的组织结构数据；同时因为生物体具有特异性，需要对大量样本进行成像研究来得到统计性的结果，所以在对生物大样本进行结构成像时，需要提高数据获取通量，缩短成像时间。
3、其中，光栅扫描（raster scanning）是一种常见的成像技术，它的基本原理是通过线性扫描和点扫描的组合来捕捉和重构图像。在光栅扫描过程中，成像系统沿着特定的方向逐行逐点扫描，从而获得图像的像素数据。由于其数据获取方式与现有的图像储存格式（图片，即2维矩阵）相兼容，光栅扫描模式被广泛应用于扫描电子显微镜（sem）、透射电子显微镜（tem）、和原子力显微镜（afm）、共聚焦显微镜等成像系统中。
4、但目前光栅扫描的图像数据获取处理技术，耽搁大量的时间对物体进行逐点、逐行扫描，同一扫描面积下，扫描点位过多，自然造成扫描速度慢
5、针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种高速图像获取处理方法及其在扫描成像装置中的应用。
2、为解决上述的技术问题，本专利技术提供如下技术方案：
3、一种高速图像获取处理方法，包括如下步骤：
4、s1、根据待扫描的物体类型，结合需要的采样率和均匀分布随机生成一个扫描模板；
5、s2、扫描成像装置以s1步骤中生成的扫描模板，在扫描模板中给定的各个采样点位置分别对待扫描的物体进行横向扫描；
6、s3、每个采样点位置获得的横向扫描图像经过汇总处理后获得掩蔽扫描图像；
7、s4、将掩蔽扫描图像经过重建网络算法获取到重建图像，并将重建图像与目标图像对比运算获取损失函数数据；
8、s5、通过所述损失函数数据对所述重建网络算法进行不断地迭代训练，不断获取更为精确的重建网络算法，以得到更为精确的重建图像。
9、优选地，s5步骤中所述重建网络算法的迭代训练的数据来源为重建图像与真实图像之间的损失函数数据；所述损失函数数据为重建图像与真实图像之间的各个采集点对应位置的数据的l1范数、l2范数、mse、感知损失函数数据中选取任意多种数据组合后的加权平均值的集合。
10、优选地，s5步骤中所述重建网络算法的迭代训练步骤为：
11、s5.1、构建目标图像数据集，并生成扫描模板；
12、s5.2、将目标图像送入重建网络算法，从而先后生成掩蔽扫描图像和重建图像；
13、s5.3、将重建图像与目标图像进行损失函数计算，并对损失函数计算得到的损失函数数据进行梯度反传播运算，从而更新重建网络算法的参数，直到重建图像与目标图像之间的损失函数误差收敛。
14、优选地，将s1步骤替换为，随机模板生成算法根据待扫描的物体类型，生成一个随机的采样模板，将随机的采样模板作为生成的扫描模板；在s2步骤中，将随机的采样模板作为生成的扫描模板，扫描成像装置以随机的采样模板，在随机的采样模板中给定的各个采样点位置分别对待扫描的物体进行横向扫描。
15、优选地，所述损失函数数据中还包括采样模板的采样率与目标采样率的差值；所述损失函数数据还能够结合噪音输入，共同对随机模板生成算法进行训练，以不断获取更为准确的采样模板；其中，噪音输入的数据来源为：根据特定分布随机生成的噪声。
16、优选地，s2步骤中，能够根据随机的采样模板确定一个可行路径，扫描成像装置以确定的可行路径移动依次对扫描模板中给定的各个采样点位置分别对待扫描的物体进行横向扫描；其中，扫描路径的确定方式为，以随机的采样模板的各个采样点，采用图构建算法或深度优先搜索算法，寻找到覆盖所有采样点的路径。
17、优选地，将s1步骤替换为，路径生成算法直接根据待扫描的物体类型，直接生成一个可行路径，基于该可行路径，复现一个复现模板；从可行路径复现出复现模板的方法为：可行路径是在一个n*n的矩阵上进行移动获得，路径生成算法最后生成的可行路径可以看作是一个平面坐标的序列；需要复现获取复现模板时，遍历该平面坐标的序列，并将出现在该序列中的坐标点标记为1，未出现的标记为0，若某一点坐标在该序列中重复出现，该重复出现的坐标点仍标记为1，最终获得的n*n矩阵即为采样模板，其中标记为1的坐标点为复现模板中的采样点；在s2步骤中，扫描成像装置以确定的可行路径移动依次对复现模板中给定的各个采样点位置分别对待扫描的物体进行横向扫描。
18、优选地，所述路径生成算法的具体步骤为：
19、s6.1、从一个随机的初始位置开始，将从初始位置到各个可能作为下一步的位置坐标的动作作为action，此时存在若干个action；
20、s6.2、计算若干个不同action所获的reward；其中，reward数值由实时的损失函数提供；
21、s6.3、移动到reward数值最大的一个action所对应的下一步的位置坐标位置；
22、s6.4、重复上述s6.2、s6.3步骤，直到满足停止条件，其中，停止条件为已经经过的位置坐标占全部n*n矩阵的占比满足特定的采样率。
23、优选地，所述损失函数数据还能够结合噪音输入，共同对路径生成算法进行训练，以不断获取更为有效的可行路径和更为准确的复现模板。
24、一种高速图像获取处理方法在扫描成像装置中的应用。
25、与现有技术相比，本专利技术提供了一种高速图像获取处理方法及其在扫描成像装置中的应用，具备以下有益效果：
26、1、该种高速图像获取处理方法，通过依据各种扫描模板来减少在横向扫描时需要采样的点数，从而降低扫描相同面积时所需要的采集时间，同时，通过使用重建网络算法，从而可以从前述欠采样的图像点中，重建出与原图质量相近的、高质量的图像。
27、2、该种高速图像获取处理方法，通过同时对扫描模板和重建网络算法进行联合优化，可以获得全局最优解，从而进一步降低扫描时需要采样的点数并保证重建图像的质量。
28、3、该种高速图像获取处理方法，通过依据实际扫描器件的物理限制，从扫描模板中生成可行的扫描路径，并使用该路径驱动实际扫描器本文档来自技高网...
【技术保护点】
1.一种高速图像获取处理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种高速图像获取处理方法，其特征在于：S5步骤中所述重建网络算法的迭代训练的数据来源为重建图像与真实图像之间的损失函数数据；
3.根据权利要求2所述的一种高速图像获取处理方法，其特征在于：S5步骤中所述重建网络算法的迭代训练步骤为：
4.根据权利要求1所述的一种高速图像获取处理方法，其特征在于：将S1步骤替换为，随机模板生成算法根据待扫描的物体类型，生成一个随机的采样模板，将随机的采样模板作为生成的扫描模板；
5.根据权利要求4所述的一种高速图像获取处理方法，其特征在于：所述损失函数数据中还包括采样模板的采样率与目标采样率的差值；
6.根据权利要求4所述的一种高速图像获取处理方法，其特征在于：S2步骤中，能够根据随机的采样模板确定一个可行路径，扫描成像装置以确定的可行路径移动依次对扫描模板中给定的各个采样点位置分别对待扫描的物体进行横向扫描；
7.根据权利要求1所述的一种高速图像获取处理方法，其特征在于：将S1步骤替换为，路径生
8.根据权利要求7所述的一种高速图像获取处理方法，其特征在于：
9.根据权利要求8所述的一种高速图像获取处理方法，其特征在于：所述损失函数数据还能够结合噪音输入，共同对路径生成算法进行训练，以不断获取更为有效的可行路径和更为准确的复现模板。
10.一种高速图像获取处理方法在扫描成像装置中的应用，其特征在于，使用了如权利要求1-9任意一项所述的一种高速图像获取处理方法。
...【技术特征摘要】
1.一种高速图像获取处理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种高速图像获取处理方法，其特征在于：s5步骤中所述重建网络算法的迭代训练的数据来源为重建图像与真实图像之间的损失函数数据；
3.根据权利要求2所述的一种高速图像获取处理方法，其特征在于：s5步骤中所述重建网络算法的迭代训练步骤为：
4.根据权利要求1所述的一种高速图像获取处理方法，其特征在于：将s1步骤替换为，随机模板生成算法根据待扫描的物体类型，生成一个随机的采样模板，将随机的采样模板作为生成的扫描模板；
5.根据权利要求4所述的一种高速图像获取处理方法，其特征在于：所述损失函数数据中还包括采样模板的采样率与目标采样率的差值；
6.根据权利要求4所述的一种高速图像获取处理方法，其特征在于：s2...
【专利技术属性】
技术研发人员：凌玉烨，董振兴，
申请(专利权)人：始终无锡医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。