光學掃描全息術(shù)是一種具有實時性、高分辨率的數(shù)字全息技術(shù),它能夠獲取熒光細胞標本的三維圖像信息,在生物醫(yī)學成像領(lǐng)域有廣闊的應用前景。本論文結(jié)合理論推導、軟件仿真、實驗驗證的方式,對光學掃描全息術(shù)中切片物體成像問題進行研究與探索,主要從以下幾個方面進行論述。(一)通過二維傅里葉變換,卷積和相關(guān)等數(shù)學原理對波動方程和菲涅爾衍射定理進行推導,然后重點對光學掃描全息系統(tǒng)中全息圖像的記錄和重建理論進行分析,指出光學掃描全息術(shù)中切片成像關(guān)鍵技術(shù)問題。(二)介紹切片成像關(guān)鍵技術(shù),包括自聚焦問題、自聚焦技術(shù)的研究進程、離焦噪聲的兩種形式,散斑噪聲消除技術(shù)的研究進程等,另外對離焦噪聲的兩種形式進行了重點分析。(三)介紹常用圖像評價指標函數(shù),例如,標準偏差相關(guān)函數(shù)、圖像拉普拉斯函數(shù)的能量等等,分析切片物體的全息圖像在盲重建過程中重建圖像的特征變化,提出基于圖像評價指標函數(shù)的自聚焦算法以及改進的基于邊緣灰度差異函數(shù)的自聚焦算法,最后通過軟件仿真和實驗驗證相結(jié)合的方式來驗證算法的性能。(四)首先簡要介紹機器學習的概念,發(fā)展進程等,然后介紹了一種無監(jiān)督學習算法—SOM神經(jīng)網(wǎng)絡(luò),包括SOM神經(jīng)網(wǎng)絡(luò)的起源、特性以及它...

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 全息技術(shù)發(fā)展概述
    1.2 光學掃描全息術(shù)的概述和特點
    1.3 光學掃描全息術(shù)的國內(nèi)外研究歷史與現(xiàn)狀
    1.4 光學掃描全息術(shù)中存在的問題
    1.5 本論文的主要工作
第二章 光學掃描全息理論
    2.1 相關(guān)數(shù)學原理及推導
        2.1.1 二維傅里葉變換
        2.1.2 卷積和相關(guān)
        2.1.3 波動方程
        2.1.4 菲涅爾衍射定理
    2.2 全息圖像的記錄
        2.2.1 光瞳函數(shù)和光學傳遞函數(shù)
        2.2.2 光學掃描全息系統(tǒng)
        2.2.3 全息圖像的記錄理論
    2.3 全息圖像的重建
    2.4 本章小結(jié)
第三章 切片成像關(guān)鍵技術(shù)概述
    3.1 光學掃描全息術(shù)中的自聚焦技術(shù)
        3.1.1 自聚焦的概念
        3.1.2 自聚焦技術(shù)的研究進展
    3.2 光學掃描全息術(shù)中的離焦噪聲消除技術(shù)
        3.2.1 普通離焦噪聲
        3.2.2 散斑噪聲
        3.2.3 散斑噪聲消除技術(shù)的研究進展
    3.3 本章小結(jié)
第四章 基于圖像評價指標函數(shù)的自聚焦算法
    4.1 圖像評價指標函數(shù)
        4.1.1 梯度法基本理論
        4.1.2 基于圖像統(tǒng)計的評價指標函數(shù)
        4.1.3 基于相關(guān)性的評價指標函數(shù)
        4.1.4 基于差異的評價指標函數(shù)
        4.1.5 基于圖像熵的評價指標函數(shù)
        4.1.6 均值梯度函數(shù)
    4.2 基于圖像評價指標的光學掃描全息自聚焦算法
    4.3 基于均值梯度函數(shù)的自聚焦算法的Matlab仿真實現(xiàn)與結(jié)果分析
        4.3.1 無重疊切片物體仿真數(shù)據(jù)
        4.3.2 無重疊切片物體實驗數(shù)據(jù)
        4.3.3 重疊切片物體仿真數(shù)據(jù)
        4.3.4 結(jié)果分析
    4.4 基于邊緣灰度差異的自聚焦算法的Matlab仿真實現(xiàn)與結(jié)果分析
        4.4.1 邊緣灰度差異函數(shù)實現(xiàn)自聚焦的可行性分析
        4.4.2 基于邊緣灰度差異函數(shù)的自聚焦算法
        4.4.3 Matlab仿真及結(jié)果分析
    4.5 本章小結(jié)
第五章 基于機器學習的光學掃描全息離焦噪聲消除算法
    5.1 機器學習
        5.1.1 機器學習的基本概念
        5.1.2 機器學習的發(fā)展歷史
    5.2 無監(jiān)督學習算法之SOM神經(jīng)網(wǎng)絡(luò)
        5.2.1 SOM神經(jīng)網(wǎng)絡(luò)
        5.2.2 SOM神經(jīng)網(wǎng)絡(luò)的訓練流程
    5.3 基于SOM神經(jīng)網(wǎng)絡(luò)的光學掃描全息離焦噪聲消除算法
        5.3.1 基于SOM神經(jīng)網(wǎng)絡(luò)的光學掃描全息離焦噪聲消除算法
        5.3.2 噪聲消除效果常用評價函數(shù)
    5.4 基于SOM神經(jīng)網(wǎng)絡(luò)算法Matlab仿真結(jié)果及結(jié)果分析
        5.4.1 簡單字符
        5.4.2 復雜漢字
    5.5 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 本論文工作的不足之處
    6.3 后續(xù)工作展望
致謝
參考文獻
攻讀碩士學位期間取得的成果



本文編號：3807558