【技术实现步骤摘要】
本申请涉及显微成像，特别是涉及一种用于显微成像的自动对焦方法、装置、设备和存储介质。
技术介绍
1、微球超分辨显微成像是一种新型的光学超分辨成像技术，具有无需荧光标记、宽场成像、光路简单等显著优势，因而在半导体晶圆检测、纳米材料表征、生物成像等方面具有重要应用价值。但由于微球显微成像系统景深非常浅，因此如何实现快速自动对焦是实现微球显微成像的关键基础。
2、自动对焦是指通过光电传感器将样本反射的光接收，经过成像系统内部的计算和处理，控制电动对焦装置，进而在图像探测器上获得清晰图像的过程。显微镜的自动聚焦可分为两种方式，分别是基于传感器的方法和基于视觉的方法。基于传感器的方法在光学成像系统中采用了辅助模块，因此它可以实时且有效地测量离焦距离，但是，它们都需要额外的传感器或对现有的硬件系统进行修改，极大地增加了系统成本。基于视觉的方法可细分为三个小类：(a)虚拟重聚焦方法、(b)多幅图像的聚焦方法和(c)单幅图像的聚焦方法。虚拟重聚焦方法将自动聚焦表述为图像去模糊问题，它通过对离焦图像进行盲去卷积或非盲去卷积操作输出合成的聚焦图像，该方法无法确保合成的图像质量，且在样本训练时很容易过拟合，可扩展性差。多幅图像的聚焦方法是指在多个焦点位置采集图像构成图像栈，然后通过形态学操作计算图像栈中各个图像的清晰度值，清晰度值最大的图像对应的焦点位置即为最佳聚焦位置，该方法虽然易于实现，但是在实际应用中非常耗时。单幅图像的聚焦方法一般采用深度学习模型来建立图像清晰度和离焦距离之间的映射，通过采集的单幅显微图像来估计最佳焦平面的位置，该
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够正确区分离焦图像的正负离焦性的用于显微成像的自动对焦方法、装置、设备和存储介质。
2、一种用于显微成像的自动对焦方法，所述方法包括：
3、采集若干个样本的单视野显微图像序列；其中，每一个样本对应一个单视野显微图像序列，每一个单视野显微图像序列中包括若干待聚焦视野下采集到的显微图像，每一个待聚焦视野对应一个显微图像栈，每一个显微图像栈中包括若干不同离焦位置的显微图像；
4、对当前显微图像栈中的每一显微图像进行均匀分块，得到若干显微图像子块，将分块位置相对应的图像子块进行组合，得到多个局部显微图像栈；其中，一个显微图像栈对应的局部显微图像栈的数量等于显微图像分块的数量；
5、对当前局部显微图像栈中的每一显微图像子块进行标签标注，具体为：将当前局部显微图像栈中清晰度值最大的显微图像子块的标签标注为零，对于当前局部显微图像栈中的其他显微图像子块，根据其到标签为零的显微图像子块的物理距离进行标签标注；
6、采用局部显微图像栈的数据集训练预先构建的离焦距离预测模型，得到训练好的离焦距离预测模型；
7、根据训练好的离焦距离预测模型得到待测显微图像的离焦距离值，根据离焦距离值进行自动对焦。
8、一种用于显微成像的自动对焦装置，所述装置包括：
9、显微图像序列采集模块，用于采集若干个样本的单视野显微图像序列；其中，每一个样本对应一个单视野显微图像序列，每一个单视野显微图像序列中包括若干待聚焦视野下采集到的显微图像，每一个待聚焦视野对应一个显微图像栈，每一个显微图像栈中包括若干不同离焦位置的显微图像；
10、局部显微图像栈获取模块，用于对当前显微图像栈中的每一显微图像进行均匀分块，得到若干显微图像子块，将分块位置相对应的图像子块进行组合，得到多个局部显微图像栈；其中，一个显微图像栈对应的局部显微图像栈的数量等于显微图像分块的数量；
11、标签标注模块，用于对当前局部显微图像栈中的每一显微图像子块进行标签标注，具体为：将当前局部显微图像栈中清晰度值最大的显微图像子块的标签标注为零，对于当前局部显微图像栈中的其他显微图像子块，根据其到标签为零的显微图像子块的物理距离进行标签标注；
12、离焦距离预测模型训练模块，用于采用局部显微图像栈的数据集训练预先构建的离焦距离预测模型，得到训练好的离焦距离预测模型；
13、自动对焦模块，用于根据训练好的离焦距离预测模型得到待测显微图像的离焦距离值，根据离焦距离值进行自动对焦。
14、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
15、采集若干个样本的单视野显微图像序列；其中，每一个样本对应一个单视野显微图像序列，每一个单视野显微图像序列中包括若干待聚焦视野下采集到的显微图像，每一个待聚焦视野对应一个显微图像栈，每一个显微图像栈中包括若干不同离焦位置的显微图像；
16、对当前显微图像栈中的每一显微图像进行均匀分块，得到若干显微图像子块，将分块位置相对应的图像子块进行组合，得到多个局部显微图像栈；其中，一个显微图像栈对应的局部显微图像栈的数量等于显微图像分块的数量；
17、对当前局部显微图像栈中的每一显微图像子块进行标签标注，具体为：将当前局部显微图像栈中清晰度值最大的显微图像子块的标签标注为零，对于当前局部显微图像栈中的其他显微图像子块，根据其到标签为零的显微图像子块的物理距离进行标签标注；
18、采用局部显微图像栈的数据集训练预先构建的离焦距离预测模型，得到训练好的离焦距离预测模型；
19、根据训练好的离焦距离预测模型得到待测显微图像的离焦距离值，根据离焦距离值进行自动对焦。
20、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
21、采集若干个样本的单视野显微图像序列；其中，每一个样本对应一个单视野显微图像序列，每一个单视野显微图像序列中包括若干待聚焦视野下采集到的显微图像，每一个待聚焦视野对应一个显微图像栈，每一个显微图像栈中包括若干不同离焦位置的显微图像；
22、对当前显微图像栈中的每一显微图像进行均匀分块，得到若干显微图像子块，将分块位置相对应的图像子块进行组合，得到多个局部显微图像栈；其中，一个显微图像栈对应的局部显微图像栈的数量等于显微图像分块的数量；
23、对当前局部显微图像栈中的每一显微图像子块进行标签标注，具体为：将当前局部显微图像栈中清晰度值最大的显微图像子块的标签标注为零，对于当前局部显微图像栈中的其他显微图像子块，根据其到标签为零的显微图像子块的物理距离进行标签标注；
24、采用局部显微图像栈的数据集训练预先构建的离焦距离预测模型，得到训练好的离焦距离预测模型；
25、根据训练好的离焦距离预测模型得到待测显微图像的离焦距离值，根据离焦距离值进行自动对焦。
26、上述用于显微成像本文档来自技高网...
【技术保护点】
1.一种用于显微成像的自动对焦方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，不同离焦位置的显微图像的采集方法为：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述离焦距离预测模型包括：
5.根据权利要求4所述的方法，其特征在于，对特征提取子网络进行训练，包括：
6.根据权利要求5所述的方法，其特征在于，所述预设的特征提取子网络损失函数具体如下：
7.根据权利要求4所述的方法，其特征在于，对特征映射子网络进行训练，包括：
8.一种用于显微成像的自动对焦装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
【技术特征摘要】
1.一种用于显微成像的自动对焦方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，不同离焦位置的显微图像的采集方法为：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述离焦距离预测模型包括：
5.根据权利要求4所述的方法，其特征在于，对特征提取子网络进行训练，包括：
6.根据权利要求5所述的方法，其特征在于，所述预设的特征提取子网络损失函数具体...
【专利技术属性】
技术研发人员：翟永平，
申请(专利权)人：中国人民解放军国防科技大学，
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。