傳統(tǒng)光學顯微鏡是通過透鏡組合的方式將物體所成的像放大,從而進行觀測。通過在顯微鏡系統(tǒng)上增加CCD器件以便采集數(shù)據(jù),之后對采集的數(shù)據(jù)進行光電信號轉(zhuǎn)換后,就可通過顯示器觀察成像。但是CCD成本較高,并且在光源是不可見光時,CCD就不適用了。單像素成像技術(shù)可以在沒有直接來自物體的光的情況下捕獲場景信息,并且類似于壓縮采樣的方法,節(jié)約時間和成本,拓寬顯微鏡成像的光譜范圍。其中傅里葉單像素成像技術(shù)在采樣率較高的條件下可以實現(xiàn)高質(zhì)量成像,但是頻譜采樣率低的時候,其捕捉的圖片質(zhì)量卻不夠高。對于成像的質(zhì)量較低問題,濾波去噪等后處理的方法被應(yīng)用,尤其是深度學習的方法得到了廣泛的研究。深度學習的一些方法可以不經(jīng)過中間過程,完成端對端的學習。因此,本文對深度學習提高單像素傳統(tǒng)光學顯微鏡成像質(zhì)量進行研究,主要工作內(nèi)容包括:本文首先根據(jù)傅里葉單像素成像技術(shù)原理,使其應(yīng)用在傳統(tǒng)光學顯微鏡成像上,搭建了一套完整的實驗系統(tǒng),并通過實驗獲取單像素顯微鏡對標本所成的圖像。介紹深度學習的原理,說明深度學習為何可以提升圖像質(zhì)量。之后介紹了三種基于卷積神經(jīng)網(wǎng)絡(luò)的深度學習模型,分別是三層、十層以及十九層網(wǎng)絡(luò)結(jié)構(gòu),利用制作的對應(yīng)數(shù)...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 顯微鏡的發(fā)展
        1.2.2 深度學習超分辨率的發(fā)展
    1.3 研究目的與研究內(nèi)容
第二章 單像素顯微鏡
    2.1 引言
    2.2 鬼成像的發(fā)展
    2.3 單像素顯微鏡的發(fā)展
    2.4 本章小結(jié)
第三章 傅里葉單像素顯微成像的原理及實驗
    3.1 引言
    3.2 傅里葉單像素成像原理
    3.3 單像素顯微鏡成像實驗
    3.4 本章小結(jié)
第四章 利用深度學習對單像素成像的質(zhì)量提升
    4.1 引言
    4.2 數(shù)據(jù)集的建立
    4.3 基于SRCNN的深度學習模型結(jié)構(gòu)
    4.4 一種更深的神經(jīng)網(wǎng)絡(luò)模型
    4.5 基于EDSR的深度學習模型結(jié)構(gòu)
    4.6 深度學習模型對單像素顯微成像圖片的對比
    4.7 本章小結(jié)
第五章 結(jié)論與展望
    5.1 文章主要工作內(nèi)容
    5.2 論文主要創(chuàng)新點
    5.3 后續(xù)工作展望
參考文獻
攻讀碩士學位期間的學術(shù)活動及成果情況



本文編號：3972595