COSM中基于三維高斯點擴(kuò)展函數(shù)的解卷積算法的研究.pdf

1、在三維顯微成像里，可以將顯微鏡聚焦在生物樣本的不同深度來獲取二維圖像序列，再通過序列圖像獲得樣本的三維信息。但是，每個聚焦層面的圖像，不僅包含本層面的信息，還包含其它層面的離焦模糊信息，導(dǎo)致圖像質(zhì)量下降。通常使用兩種方法來復(fù)原圖像：一種是激光掃描共焦顯微術(shù)(ISCM)，它可以通過光路去模糊而得到物體的三維圖像；另一種是計算光學(xué)切片顯微術(shù)(COSM)，它通過計算的方法來分離圖像序列中焦平面上和焦平面外的光信息，從而得到樣本正確的三維形態(tài)。

2、同ISCM相比，COSM具有信噪比高，對樣本不產(chǎn)生漂白現(xiàn)象和價格便宜等優(yōu)勢，但由于其數(shù)據(jù)量大，有運算速度慢的缺點。 本文提出了基于三維高斯點擴(kuò)展函數(shù)模型的參數(shù)盲解卷積算法(PBD)。由于PBD算法需要在估計樣本函數(shù)的同時估計點擴(kuò)展函數(shù)(PSF)的參數(shù)， 而通常采用的PSF模型較為復(fù)雜，計算量大，收斂慢，而采用三維高斯模型的PBD算法只需要估計兩個參數(shù)，因此在保證復(fù)原效果的前提下，計算量大大降低了。 本文又提出了基于變化