CN103559686A - 一种基于多面图像信息的同轴相衬成像相位恢复方法及系统 - Google Patents

一种基于多面图像信息的同轴相衬成像相位恢复方法及系统 Download PDF

Info

Publication number
CN103559686A
CN103559686A CN201310485397.3A CN201310485397A CN103559686A CN 103559686 A CN103559686 A CN 103559686A CN 201310485397 A CN201310485397 A CN 201310485397A CN 103559686 A CN103559686 A CN 103559686A
Authority
CN
China
Prior art keywords
image
imaging surface
reference volume
volume image
described object
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201310485397.3A
Other languages
English (en)
Other versions
CN103559686B (zh
Inventor
桂建保
郑海荣
陈垚
胡战利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201310485397.3A priority Critical patent/CN103559686B/zh
Publication of CN103559686A publication Critical patent/CN103559686A/zh
Application granted granted Critical
Publication of CN103559686B publication Critical patent/CN103559686B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种基于多面图像信息的同轴相衬成像相位恢复方法及系统,该方法包括:采集物体N个成像面的物体图像和背景图像,N为大于等于3的自然数;根据物体N个成像面的物体图像和背景图像,将采集的物体N个成像面的物体图像进行归一化处理,选择归一化处理后的物体一个成像面的物体图像为参照物体图像,选择归一化处理后的物体其余N-1个成像面的物体图像为对照物体图像,将参照物体图像与N-1幅对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像;根据迭代算法、参照物体图像和配准后的N-1幅物体图像,计算参照物体图像对应成像面的收敛相位分布。实施本发明实施例,可以增强相位恢复的稳定性、精确度和抗噪声能力。

Description

一种基于多面图像信息的同轴相衬成像相位恢复方法及系统
技术领域
本发明涉及光学技术领域,具体涉及一种基于多面图像信息的同轴相衬成像相位恢复方法及系统。
背景技术
X射线相位衬度成像(X-ray phase contrast imaging,XPCI)是一种X射线成像技术,利用X射线通过物体后发生的相移变化成像。基于不同的成像原理,目前有五种实现X射线相位衬度成像的技术,分别为:干涉法、衍射增强法、光栅剪切法、同轴相衬法以及编码孔径相衬成像法。同轴相衬成像装置最为简单,无需精密的光学元器件,可以基于实验室普通的微焦斑X射线源,利用X射线通过样品后在自由空间传播,基于菲涅耳衍射成像原理将相位信息转化为强度信息。
同轴相衬成像可以增强图像的边缘亮度,从而提高了图像的对比度,但这种亮度的增强不是线性的,可能会呈现出错误的样品厚度或密度。然而,可以通过算法从获得的强度图中恢复出相位分布图,正确反应出样品的真实结构与组织特性,但对基于普通微焦斑X射线源的同轴相衬成像,想实现精确相位恢复非常困难。目前,同轴相衬成像的相位恢复方法有:解析算法(或线性近似算法)和迭代算法。解析算法是将非线性方程进行线性近似得到方程的解,计算效率高,但相位的解可能不稳定。此外,由于线性近似基于一定的假设和简化,不同的方法适用的范围不同、受限于成像物体组成、受限于成像距离。迭代算法由于没有太多的近似,适用范围更广,且简单、灵活、结果稳定、精确。为了完成相位恢复,一般需要采集两幅图像,其中,一幅X射线图像探测器与物体贴近的吸收图像,另一幅X射线图像探测器与物体有一定间隔的相衬图像,或者采集两幅相衬图像。然而,只采集两幅图像可能会导致结果不稳定、精度不高、抗噪声能力弱。
发明内容
本发明公开了一种基于多面图像信息的同轴相衬成像相位恢复方法及系统,用于增强相位恢复的稳定性、精确度和抗噪声能力。
本发明第一方面公开了一种基于多面图像信息的同轴相衬成像相位恢复方法,包括:
采集物体N个成像面的物体图像以及所述物体N个成像面的背景图像,所述N为大于等于3的自然数;
根据所述物体N个成像面的物体图像和所述物体N个成像面的背景图像,将采集的所述物体N个成像面的物体图像进行归一化处理,选择归一化处理后的所述物体一个成像面的物体图像为参照物体图像,选择归一化处理后的所述物体其余N-1个成像面的物体图像为对照物体图像,将所述参照物体图像与N-1幅所述对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像;
根据迭代算法、所述参照物体图像和所述配准后的N-1幅物体图像,计算所述参照物体图像对应成像面的收敛相位分布。
本发明第二方面公开了一种基于多面图像信息的同轴相衬成像相位恢复系统,包括:
第一单元,用于采集物体N个成像面的物体图像以及所述物体N个成像面的背景图像,所述N为大于等于3的自然数;
第二单元,用于根据所述物体N个成像面的物体图像和所述物体N个成像面的背景图像,将采集的所述物体N个成像面的物体图像进行归一化处理,选择归一化处理后的所述物体其中一个成像面的物体图像为参照物体图像,选择归一化处理后的所述物体其余N-1个成像面的物体图像为对照物体图像,将所述参照物体图像与N-1幅所述对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像;
第三单元,用于根据迭代算法、所述参照物体图像和所述配准后的N-1幅物体图像,计算所述参照物体图像对应成像面的收敛相位分布。
本发明实施例中,采集物体N个成像面的物体图像和背景图像,N为大于等于3的自然数;根据物体N个成像面的物体图像和背景图像,将采集的物体N个成像面的物体图像进行归一化处理,选择归一化处理后的物体一个成像面的物体图像为参照物体图像、物体其余N-1个成像面的物体图像为对照物体图像,将参照物体图像与N-1幅对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像;根据迭代算法、参照物体图像和配准后的N-1幅物体图像,计算参照物体图像对应成像面的收敛相位分布。本发明实施例中,采集了物体N个成像面的物体图像,并对采集的物体N个成像面的物体图像进行了图像精确配准,然后,用参照物体图像和配准后的N-1个物体图像进行迭代计算,可以增强相位恢复的稳定性、精确度和抗噪声能力。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施例公开的一种基于多面图像信息的同轴相衬成像相位恢复方法的流程图;
图2是本发明第二实施例公开的另一种基于多面图像信息的同轴相衬成像相位恢复方法的流程图;
图3是本发明第三实施例公开的一种基于多面图像信息的同轴相衬成像相位恢复系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发提供了一种基于多面图像信息的同轴相衬成像相位恢复方法及系统,用于增强相位恢复的稳定性、精确度和抗噪声能力。以下分别进行详细说明。
请参阅图1,图1是本发明第一实施例公开的一种基于多面图像信息的同轴相衬成像相位恢复方法的流程图。其中,图1所示的基于多面图像信息的同轴相衬成像相位恢复方法适用于X射线相衬成像系统。如图1所示,该基于多面图像信息的同轴相衬成像相位恢复方法可以包括以下步骤。
S101、采集物体N个成像面的物体图像以及物体N个成像面的背景图像,该N为大于等于3的自然数。
本发明实施例中,X射线相衬成像系统采集物体N个成像面的物体图像以及物体N个成像面的背景图像。
本发明实施例中,X射线图像探测器与物体近贴的物体图像为吸收图像、X射线图像探测器与物体具有一定间隔的物体图像为相衬图像。采集的物体N个成像面的物体图像可以全部为相衬图像,也可以1幅为吸收图像,其余N-1幅为相衬图像。
本发明实施例中,采集的背景图像为无物体放置的亮场图像。
S102、根据物体N个成像面的物体图像和物体N个成像面的背景图像,将采集的物体N个成像面的物体图像进行归一化处理,选择归一化处理后的物体一个成像面的物体图像为参照物体图像,选择归一化处理后的物体其余N-1个成像面的物体图像为对照物体图像,将参照物体图像与N-1幅对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像。
本发明实施例中,X射线相衬成像系统根据物体N个成像面的物体图像和物体N个成像面的背景图像,将采集的物体N个成像面的物体图像进行归一化处理,选择归一化处理后的物体一个成像面的物体图像为参照物体图像,选择归一化处理后的物体其余N-1个成像面的物体图像为对照物体图像,将参照物体图像与N-1幅对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像。
本发明实施例中,采集了物体N个成像面的物体图像和相应位置的背景图像后,首先需要对物体图像进行归一化处理,即用采集的物体图像除以物体图像对应位置的背景图像,得到归一化处理后的物体图像。
本发明实施例中,在对物体图像进行迭代计算以前,还需要对物体图像进行图像精确配准预处理,这是由于在不同位置采集的图像其几何放大倍数不同,而且系统自身也存在一定的机械精度,应用中采集的两幅物体图像存在缩放、平移和旋转,在进行相位恢复前对物体图像的精确配准,可以提高相位恢复精度。采用基于傅氏变换的方法完成图像精确配准,相对基于灰度或基于特征的配准算法,更方便处理采集的物体图像。因为图像的比例、旋转和平移变换均能在傅里叶变换频域中反映出来,且在频域内对噪声干扰有一定的抵抗能力,同时,傅里叶变换可以采用快速傅里叶变换(FFT)方法提高处理速度,并且有成熟的快速算法,易于硬件实现。实现图像精确配准的步骤如下:
1)选择归一化后的物体图像A为参照物体图像,归一化后的物体图像B为对照物体图像,对参照物体图像A与对照物体图像B分别做傅里叶变换,得到新的参照物体图像
Figure BDA0000396731010000051
与新的对照物体图像
Figure BDA0000396731010000052
2)在傅里叶空间对新的参照物体图像
Figure BDA0000396731010000053
与新的对照物体图像
Figure BDA0000396731010000054
分别进行对数极坐标变换;
3)再在对数极坐标下利用相位相关求得对照物体图像B相对于参照物体图像A的缩放因子a和旋转角度θ0
4)根据缩放因子a和旋转角度θ0,对对照物体图像B进行角度和缩放比例补偿,补偿以后得到的物体图像B2与参照物体图像A之间仅存在平移量的差别;
5)利用直角坐标下的相位相关求出对照物体图像B相对于参照物体图像A的平移量;
6)根据平移量,对物体图像B2进行平移补偿,得到新的物体图像C。
S103、根据迭代算法、参照物体图像和配准后的N-1幅物体图像,计算参照物体图像对应成像面的收敛相位分布。
本发明实施例中,X射线相衬成像系统根据迭代算法、参照物体图像和配准后的N-1幅物体图像,计算参照物体图像对应成像面的收敛相位分布。
本发明实施例中,迭代算法可以为傅里叶变换算法或盖师贝格-撒克斯通算法。
本发明实施例中,傅里叶变换(Fourier transform,FT)迭代算法的原理:
基于Wu和Liu提出的一般性相衬成像公式[Xizeng Wu and Hong Liu,Ageneral theoretical formalism for X-rayphase contrast imaging,2003],公式可写为:
FT [ M 2 I ( M ρ → ; R 2 ) ] = I 0 · OTF G . U . ( u → M ) · OTF det ( u → M )
{ cos ( αu 2 ) FT [ A 2 ( ρ → ) ] + 2 sin ( αu 2 ) FT [ A 2 ( ρ → ) φ ( ρ → ) ] + i λR 2 2 M sin ( αu 2 ) u → · FT [ ▿ A 2 ( ρ → ) ] + i λR 2 M cos ( αu 2 ) u → · FT [ φ ( ρ → ) ▿ A 2 ( ρ → ) ] } - - - ( 1 )
其中
Figure BDA0000396731010000063
Figure BDA0000396731010000064
分别表示物平面空间向量与空间频率向量,α=πλR2/M,FT[·]表示傅立叶变换,I0表示入射到物平面的光强,
Figure BDA0000396731010000065
表示有限焦斑大小引起的几何模糊光学传输函数,表示探测器的空间频率响应;M表示几何放大率(R1+R2)/R1,R1,R2分别表示源物距与物像距,λ表示波长,A表示光波振幅,φ表示相位。把上面大括号中四项分别简称为T1、T2、T3与T4项。T3很小可以忽略,把T4视为微扰项,得到迭代公式:
FT [ A 2 ] I ~ 1
FT [ A 2 φ ( n + 1 ) ] = I ~ 2 - cos ( αu 2 ) FT [ A 2 ] - T 4 ( A 2 , φ ( n ) , R 2 ) 2 sin ( αu 2 ) - - - ( 2 )
其中
Figure BDA0000396731010000069
表示空间频域中归一化与去卷积后的图像,OTF表示焦斑几何模糊与探测器响应两者总的光学传输函数。式(2)即为基于傅立叶变换(FT)的迭代公式。
假设X射线源焦斑为直径为f的均匀圆分布,则焦斑几何模糊光学传输函数OTFG.U.可写为
| OTF G . U . ( u M ) | = 2 J 1 [ πf ( M - 1 ) | u | / M ] πf ( M - 1 ) | u | / M - - - ( 3 )
其中J1(x)为第一类贝塞尔函数。
目前,普遍应用的探测器是数字化成像探测器,其响应为矩形窗函数,光学传输函数OTFdet可写为
| OTF det ( u M ) | = sin c ( p ax u x M ) sin c ( p ay u y M ) - - - ( 4 )
其中sinc(u)是sinc函数,表示矩形窗函数的傅里叶变换,pax,y是有效像素大小,决定于探测器像素周期与填充因子。
在实际应用中,经常由于系统几何或图像分辨要求的限制,无法采集近贴的吸收图像,而需要用不同放大率下的两个相衬像I1与I2进行相位恢复,假设R1>R2,只需将两幅图像强度分别代入公式(2),即可得到R1位置处的振幅与相位分布,再根据光传播的可逆性,用菲涅耳传播因子去卷积即得到物平面处的振幅与相位分布。公式(5)即为利用两幅相衬图像的相位恢复迭代公式。
[ A 2 ( ρ ; → R 1 ) , φ ( ρ → ; R 1 ) ] = Iter ( I 1 , I 2 ) ,
A ( ρ → ; 0 ) exp ( iφ ( ρ → ; 0 ) ) = IFT [ FT [ A ( ρ → ; R 1 ) exp ( iφ ( ρ → ; R 1 ) ) ] FT [ exp ( - iπρ 2 ) / λR 1 ] ] - - - ( 5 )
其中Iter表示采用公式(2)的迭代运算,IFT[·]表示反傅里叶变换。
一般情况下,依赖于两个成像面上的强度信息(一幅吸收图像与一幅相衬图像或两幅相衬图像)即可完成相位恢复。然而,两个成像面上的相位恢复可能会出现结果不稳定、抗噪性能差、精度不够高的缺陷,为此本发明提出使用多个成像面上的强度信息进行相位恢复。假设总的成像面数为N,由于FT算法存在离散奇异值,为提高了算法抗噪能力,采用提克洛夫(Tikhonov)正则化。对式(2)做提克洛夫(Tikhonov)正则化,并对多个成像面利用最小二乘法。改进后的迭代公式如下:
FT [ A 2 φ ( n + 1 ) ] = Σ i = 1 N sin ( α i u 2 ) { I ~ i - cos ( α i u 2 ) I ~ 1 - T 4 ( A 2 , φ ( n ) , R i ) } 2 Σ i = 1 N sin 2 ( α i u 2 ) + ϵ - - - ( 6 )
其中,下标i表示第i个成像面,Ri表示第i个成像面到第1个成像面的距离,ε为正则化参数,如果第1个成像面不是物平面,需将结果按公式(3)去卷积得到物平面处的振幅与相位分布。公式(6)即为基于多个成像面图像信息的FT迭代相位恢复公式。
本发明实施例中,盖师贝格-撒克斯通(Gerchberg and Saxton,GS)迭代算法的原理:
GS算法硬件实现较为灵活,算法也比较简单,利用光传播的可逆性,在不同的像面间正反向反复迭代计算,利用采集的光强图像作为迭代限制条件。光传播为近轴菲涅尔衍射时,光波场计算公式为:
U ( x , y ; z ) = iexp ( - ikz ) λz ∫ ∫ U ( x ′ , y ′ ; 0 ) × exp [ - ik ( x - x ′ ) 2 + ( y - y ′ ) 2 2 z ] dx ′ dy ′ , - - - ( 7 )
其中U(x,y;z)表示光波场,k为波数。假设采集了3个成像面的物体图像,其主要迭代步骤如下:
1)任给一个初始相位φ(n)(x,y;R1),令
2)根据U(n)(x,y;R1)和菲涅尔衍射公式(7)计算U(n)(x,y;R2),取幅角得到U(n)(x,y;R2);
3)令 U ( n ) ( x , y ; R 2 ) ⇐ I 2 exp [ iφ ( n ) ( x , y ; R 2 ) ] ;
4)根据U(n)(x,y;R2)和菲涅尔衍射公式(7)计算U(n+1)(x,y;R3),取幅角得到φ(n+1)(x,y;R3);
5)令 U ( n ) ( x , y ; R 3 ) ⇐ I 3 exp [ i φ ( n ) ( x , y ; R 3 ) ] ;
6)根据U(n)(x,y;R3)和菲涅尔衍射公式(7)计算U(n+1)(x,y;R1),取幅角得到φ(n+1)(x,y;R1),完成一次相位分布迭代更新。
7)判断φ(n+1)(x,y;R1)变化是否足够小,若是,则迭代结束;若否,则令
Figure BDA0000396731010000085
重复步骤2-7;其中,n和n+1表示迭代的次数,Ri表示第i个成像面到第1个成像面的距离。
在图1所示的基于多面图像信息的同轴相衬成像相位恢复方法中,采集物体N个成像面的物体图像和背景图像;根据物体N个成像面的物体图像和背景图像,将采集的物体N个成像面的物体图像进行归一化处理,选择归一化处理后的物体一个成像面的物体图像为参照物体图像、物体其余N-1个成像面的物体图像为对照物体图像,将参照物体图像与N-1幅对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像;根据迭代算法、参照物体图像和配准后的N-1幅物体图像,计算参照物体图像对应成像面的收敛相位分布。本发明实施例中,采集了物体N个成像面的物体图像,并对采集的物体N个成像面的物体图像进行了图像精确配准,然后,用参照物体图像和配准后的N-1个物体图像进行迭代计算,可以增强相位恢复的稳定性、精确度和抗噪声能力。
请参阅图2,图2是本发明第二实施例公开的另一种基于多面图像信息的同轴相衬成像相位恢复方法的流程图。其中,图2所示的基于多面图像信息的同轴相衬成像相位恢复方法适用于X射线相衬成像系统。如图2所示,该基于多面图像信息的同轴相衬成像相位恢复方法可以包括以下步骤。
S201、X射线相衬成像系统设置射线源的优化工作参数以及探测器的工作模式。
本发明实施例中,X射线相衬成像系统在采集图像之前,首先需要设置射线源的优化工作参数以及探测器的工作模式,以保证采集的图像效果。
S202、X射线相衬成像系统采集物体N个成像面的物体图像以及物体N个成像面的背景图像,该N为大于等于3的自然数。
本发明实施例中,X射线图像探测器与物体近贴的物体图像为吸收图像、X射线图像探测器与物体具有一定间隔的物体图像为相衬图像。采集的物体N个成像面的物体图像可以全部为相衬图像,也可以1幅为吸收图像,其余N-1幅为相衬图像。
本发明实施例中,采集的背景图像为无物体放置的亮场图像。
S203、X射线相衬成像系统根据物体N个成像面的物体图像和物体N个成像面的背景图像,将采集的物体N个成像面的物体图像进行归一化处理,选择归一化处理后的物体一个成像面的物体图像为参照物体图像,选择归一化处理后的物体其余N-1个成像面的物体图像为对照物体图像,将参照物体图像与N-1幅对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像。
本发明实施例中,采集了物体N个成像面的物体图像和相应位置的背景图像后,首先需要对物体图像进行归一化处理,即用采集的物体图像除以物体图像对应位置的背景图像,得到归一化处理后的物体图像。
本发明实施例中,在对物体图像进行迭代计算以前,还需要对物体图像进行图像精确配准预处理,这是由于在不同位置采集的图像其几何放大倍数不同,而且系统自身也存在一定的机械精度,应用中采集的两幅物体图像存在缩放、平移和旋转,在进行相位恢复前对物体图像的精确配准,可以提高相位恢复精度。采用基于傅氏变换的方法完成图像精确配准,相对基于灰度或基于特征的配准算法,更方便处理采集的物体图像。因为图像的比例、旋转和平移变换均能在傅里叶变换频域中反映出来,且在频域内对噪声干扰有一定的抵抗能力,同时,傅里叶变换可以采用快速傅里叶变换(FFT)方法提高处理速度,并且有成熟的快速算法,易于硬件实现。实现图像精确配准的步骤如下:
1)选择归一化后的物体图像A为参照物体图像,归一化后的物体图像B为对照物体图像,对参照物体图像A与对照物体图像B分别做傅里叶变换,得到新的参照物体图像
Figure BDA0000396731010000102
与新的对照物体图像
Figure BDA0000396731010000101
2)在傅里叶空间对新的参照物体图像
Figure BDA0000396731010000103
与新的对照物体图像
Figure BDA0000396731010000104
分别进行对数极坐标变换;
3)再在对数极坐标下利用相位相关求得对照物体图像B相对于参照物体图像A的缩放因子a和旋转角度θ0
4)根据缩放因子a和旋转角度θ0,对对照物体图像B进行角度和缩放比例补偿,补偿以后得到的物体图像B2与参照物体图像A之间仅存在平移量的差别;
5)利用直角坐标下的相位相关求出对照物体图像B相对于参照物体图像A的平移量;
6)根据平移量,对物体图像B2进行平移补偿,得到新的物体图像C。
S204、X射线相衬成像系统计算焦斑几何模糊光学传输函数。
本发明实施例中,在根据迭代算法计算参照物体图像位置的收敛相位分布时,需要焦斑几何模糊光学传输函数。因此,在根据迭代算法计算参照物体图像位置的收敛相位分布之前,需要计算焦斑几何模糊光学传输函数。
S205、X射线相衬成像系统计算探测器响应的光学传输函数。
本发明实施例中,在根据迭代算法计算参照物体图像位置的收敛相位分布时,需要探测器响应的光学传输函数。因此,在根据迭代算法计算参照物体图像位置的收敛相位分布之前,需要计算探测器响应的光学传输函数。
S206、X射线相衬成像系统将参照物体图像和配准后的N-1幅物体图像进行去卷积处理。
本发明实施例中,在根据迭代算法计算参照物体图像位置的收敛相位分布之前,需要对参照物体图像和配准后的N-1幅物体图像进行去卷积预处理。
S207、X射线相衬成像系统设置参照物体图像对应成像面的初始相位分布。
本发明实施例中,在根据迭代算法计算参照物体图像位置的收敛相位分布时,需要一个初始相位分布。因此,在根据迭代算法计算参照物体图像位置的收敛相位分布之前,首先给参照物体图像位置设置一个初始相位分布,如全0分布。
S208、X射线相衬成像系统根据迭代算法、参照物体图像和配准后的N-1幅物体图像,计算参照物体图像对应成像面的收敛相位分布。
本发明实施例中,迭代算法可以为傅里叶变换算法或盖师贝格-撒克斯通算法。
本发明实施例中,傅里叶变换(Fourier transform,FT)迭代算法的原理:
基于Wu和Liu提出的一般性相衬成像公式[Xizeng Wu and Hong Liu,Ageneral theoretical formalism for X-rayphase contrast imaging,2003],公式可写为:
FT [ M 2 I ( M ρ → ; R 2 ) ] = I 0 · OTF G . U . ( u → M ) · OTF det ( u → M )
{ cos ( αu 2 ) FT [ A 2 ( ρ → ) ] + 2 sin ( αu 2 ) FT [ A 2 ( ρ → ) φ ( ρ → ) ] + i λR 2 2 M sin ( αu 2 ) u → · FT [ ▿ A 2 ( ρ → ) ] + i λR 2 M cos ( αu 2 ) u → · FT [ φ ( ρ → ) ▿ A 2 ( ρ → ) ] } - - - ( 1 )
其中分别表示物平面空间向量与空间频率向量,α=πλR2/M,FT[·]表示傅立叶变换,I0表示入射到物平面的光强,
Figure BDA0000396731010000114
表示有限焦斑大小引起的几何模糊光学传输函数,
Figure BDA0000396731010000115
表示探测器的空间频率响应;M表示几何放大率(R1+R2)/R1,R1,R2分别表示源物距与物像距,λ表示波长,A表示光波振幅,φ表示相位。把上面大括号中四项分别简称为T1、T2、T3与T4项。T3很小可以忽略,把T4视为微扰项,得到迭代公式:
FT [ A 2 ] I ~ 1
FT [ A 2 φ ( n + 1 ) ] = I ~ 2 - cos ( αu 2 ) FT [ A 2 ] - T 4 ( A 2 , φ ( n ) , R 2 ) 2 sin ( αu 2 ) - - - ( 2 )
其中
Figure BDA0000396731010000123
表示空间频域中归一化与去卷积后的图像,OTF表示焦斑几何模糊与探测器响应两者总的光学传输函数。式(2)即为基于傅立叶变换(FT)的迭代公式。
假设X射线源焦斑为直径为f的均匀圆分布,则焦斑几何模糊光学传输函数OTFG.U.可写为
| OTF G . U . ( u M ) | = 2 J 1 [ πf ( M - 1 ) | u | / M ] πf ( M - 1 ) | u | / M - - - ( 3 )
其中J1(x)为第一类贝塞尔函数。
目前,普遍应用的探测器是数字化成像探测器,其响应为矩形窗函数,光学传输函数OTFdet可写为
| OTF det ( u M ) | = sin c ( p ax u x M ) sin c ( p ay u y M ) - - - ( 4 )
其中sinc(u)是sinc函数,表示矩形窗函数的傅里叶变换,pax,y是有效像素大小,决定于探测器像素周期与填充因子。
在实际应用中,经常由于系统几何或图像分辨要求的限制,无法采集近贴的吸收图像,而需要用不同放大率下的两个相衬像I1与I2进行相位恢复,假设R1>R2,只需将两幅图像强度分别代入公式(2),即可得到R1位置处的振幅与相位分布,再根据光传播的可逆性,用菲涅耳传播因子去卷积即得到物平面处的振幅与相位分布。公式(5)即为利用两幅相衬图像的相位恢复迭代公式。
[ A 2 ( ρ → ; R 1 ) , φ ( ρ → ; R 1 ) ] = Iter ( I 1 , I 2 ) ,
A ( ρ → ; 0 ) exp ( iφ ( ρ → ; 0 ) ) = IFT [ FT [ A ( ρ → ; R 1 ) exp ( iφ ( ρ → ; R 1 ) ) ] FT [ exp ( - iπρ 2 ) / λR 1 ] ] - - - ( 5 )
其中Iter表示采用公式(2)的迭代运算,IFT[·]表示反傅里叶变换。
一般情况下,依赖于两个成像面上的强度信息(一幅吸收图像与一幅相衬图像或两幅相衬图像)即可完成相位恢复。然而,两个成像面上的相位恢复可能会出现结果不稳定、抗噪性能差、精度不够高的缺陷,为此本发明提出使用多个成像面上的强度信息进行相位恢复。假设总的成像面数为N,由于FT算法存在离散奇异值,为提高了算法抗噪能力,采用提克洛夫(Tikhonov)正则化。对式(2)做提克洛夫(Tikhonov)正则化,并对多个成像面利用最小二乘法。改进后的迭代公式如下:
FT [ A 2 φ ( n + 1 ) ] = Σ i = 1 N sin ( α i u 2 ) { I ~ i - cos ( α i u 2 ) I ~ 1 - T 4 ( A 2 , φ ( n ) , R i ) } 2 Σ i = 1 N sin 2 ( α i u 2 ) + ϵ - - - ( 6 )
其中,下标i表示第i个成像面,Ri表示第i个成像面到第1个成像面的距离,ε为正则化参数,如果第1个成像面不是物平面,需将结果按公式(3)去卷积得到物平面处的振幅与相位分布。公式(6)即为基于多个成像面图像信息的FT迭代相位恢复公式。
本发明实施例中,盖师贝格-撒克斯通(Gerchberg and Saxton,GS)迭代算法的原理:
GS算法硬件实现较为灵活,算法也比较简单,利用光传播的可逆性,在不同的像面间正反向反复迭代计算,利用采集的光强图像作为迭代限制条件。光传播为近轴菲涅尔衍射时,光波场计算公式为:
U ( x , y ; z ) = iexp ( - ikz ) λz ∫ ∫ U ( x ′ , y ′ ; 0 ) × exp [ - ik ( x - x ′ ) 2 + ( y - y ′ ) 2 2 z ] dx ′ dy ′ , - - - ( 7 )
其中U(x,y;z)表示光波场,k为波数。假设采集了3个成像面的物体图像,其主要迭代步骤如下:
1)任给一个初始相位φ(n)(x,y;R1),令
Figure BDA0000396731010000133
2)根据U(n)(x,y;R1)和菲涅尔衍射公式(7)计算U(n)(x,y;R2),取幅角得到U(n)(x,y;R2);
3)令 U ( n ) ( x , y ; R 2 ) ⇐ I 2 exp [ iφ ( n ) ( x , y ; R 2 ) ] ;
4)根据U(n)(x,y;R2)和菲涅尔衍射公式(7)计算U(n+1)(x,y;R3),取幅角得到φ(n+1)(x,y;R3);
5)令 U ( n ) ( x , y ; R 3 ) ⇐ I 3 exp [ i φ ( n ) ( x , y ; R 3 ) ] ;
6)根据U(n)(x,y;R3)和菲涅尔衍射公式(7)计算U(n+1)(x,y;R1),取幅角得到φ(n+1)(x,y;R1),完成一次相位分布迭代更新。
7)判断φ(n+1)(x,y;R1)变化是否足够小,若是,则迭代结束;若否,则令
Figure BDA0000396731010000142
重复步骤2-7;其中,n和n+1表示迭代的次数,Ri表示第i个成像面到第1个成像面的距离。
S209、X射线相衬成像系统判断参照物体图像对应成像面的收敛相位分布是否在物平面,若否,则用菲涅尔传播因子对参照物体图像对应成像面的收敛相位分布进行去卷积处理,获得物体在物平面的收敛相位分布。
本发明实施例中,需要的收敛相位分布是物平面的收敛相位分布,因此,需要判断得到的参照物体图像对应成像面的收敛相位分布是否在物平面,若否,则用菲涅尔传播因子对参照物体图像对应成像面的收敛相位分布进行去卷积处理,获得物体在物平面的最终收敛相位分布。若参照物体图像对应成像面的收敛相位分布在物平面,则结束。
在图2所示的基于多面图像信息的同轴相衬成像相位恢复方法中,设置射线源的优化工作参数以及探测器的工作模式;采集物体N个成像面的物体图像和背景图像;根据物体N个成像面的物体图像和背景图像,将采集的物体N个成像面的物体图像进行归一化处理,选择归一化处理后的物体一个成像面的物体图像为参照物体图像、物体其余N-1个成像面的物体图像为对照物体图像,将参照物体图像与N-1幅对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像;计算焦斑几何模糊光学传输函数;计算探测器响应的光学传输函数;将参照物体图像和配准后的N-1幅物体图像进行去卷积处理;设置参照物体图像对应成像面的初始相位分布;根据迭代算法、参照物体图像和配准后的N-1幅物体图像,计算参照物体图像对应成像面的收敛相位分布;判断参照物体图像对应成像面的收敛相位分布是否在物平面,若否,则用菲涅尔传播因子对参照物体图像对应成像面的收敛相位分布进行去卷积处理,获得物体在物平面的收敛相位分布。本发明实施例中,采集了物体N个成像面的物体图像,并对采集的物体N个成像面的物体图像进行了图像精确配准,然后,用参照物体图像和配准后的N-1个物体图像进行迭代计算,可以增强相位恢复的稳定性、精确度和抗噪声能力。
请参阅图3,图3是本发明第三实施例公开的一种基于多面图像信息的同轴相衬成像相位恢复系统的结构图。其中,图3所示的基于多面图像信息的同轴相衬成像相位恢复系统可以是独立的系统,也可以是X射线相衬成像系统,本发明在此不作限定。如图3所示,该基于多面图像信息的同轴相衬成像相位恢复系统300可以包括:
第一单元301,用于采集物体N个成像面的物体图像以及物体N个成像面的背景图像,N为大于等于3的自然数;
第二单元302,用于根据物体N个成像面的物体图像和物体N个成像面的背景图像,将采集的物体N个成像面的物体图像进行归一化处理,选择归一化处理后的物体其中一个成像面的物体图像为参照物体图像,选择归一化处理后的物体其余N-1个成像面的物体图像为对照物体图像,将参照物体图像与N-1幅对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像;
第三单元303,用于根据迭代算法、参照物体图像和配准后的N-1幅物体图像,计算参照物体图像对应成像面的收敛相位分布。
作为一种可能的实施方式,基于多面图像信息的同轴相衬成像相位恢复系统300还可以包括:
第四单元304,用于在第一单元301采集物体N个成像面的物体图像以及物体N个成像面的背景图像之前,设置射线源的优化工作参数以及探测器的工作模式。
作为一种可能的实施方式,基于多面图像信息的同轴相衬成像相位恢复系统300还可以包括:
第五单元305,用于在第三单元303根据迭代算法、参照物体图像和配准后的N-1幅物体图像,计算参照物体图像对应成像面的收敛相位分布之前,计算焦斑几何模糊光学传输函数;
第六单元306,用于计算探测器响应的光学传输函数;
第七单元307,用于将参照物体图像和配准后的N-1幅物体图像进行去卷积处理;
第八单元308,用于设置参照物体图像对应成像面的初始相位分布。
作为一种可能的实施方式,基于多面图像信息的同轴相衬成像相位恢复系统300还可以包括:
第九单元309,用于在第三单元303根据迭代算法、参照物体图像和配准后的N-1幅物体图像,计算参照物体图像对应成像面的收敛相位分布之后,判断参照物体图像对应成像面的收敛相位分布是否在物平面;
第十单元310,用于在第九单元309的判断结果为否时,用菲涅尔传播因子对参照物体图像对应成像面的收敛相位分布进行去卷积处理,获得物体在物平面的收敛相位分布。
本发明实施例中,迭代算法为傅里叶变换算法或盖师贝格-撒克斯通算法。
在图3所示的基于多面图像信息的同轴相衬成像相位恢复系统中,设置射线源的优化工作参数以及探测器的工作模式;采集物体N个成像面的物体图像和背景图像;根据物体N个成像面的物体图像和背景图像,将采集的物体N个成像面的物体图像进行归一化处理,选择归一化处理后的物体一个成像面的物体图像为参照物体图像、物体其余N-1个成像面的物体图像为对照物体图像,将参照物体图像与N-1幅对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像;计算焦斑几何模糊光学传输函数;计算探测器响应的光学传输函数;将参照物体图像和配准后的N-1幅物体图像进行去卷积处理;设置参照物体图像对应成像面的初始相位分布;根据迭代算法、参照物体图像和配准后的N-1幅物体图像,计算参照物体图像对应成像面的收敛相位分布;判断参照物体图像对应成像面的收敛相位分布是否在物平面,若否,则用菲涅尔传播因子对参照物体图像对应成像面的收敛相位分布进行去卷积处理,获得物体在物平面的收敛相位分布。本发明实施例中,采集了物体N个成像面的物体图像,并对采集的物体N个成像面的物体图像进行了图像精确配准,然后,用参照物体图像和配准后的N-1个物体图像进行迭代计算,可以增强相位恢复的稳定性、精确度和抗噪声能力。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
以上对本发明实施例所提供的基于多面图像信息的同轴相衬成像相位恢复方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于多面图像信息的同轴相衬成像相位恢复方法,其特征在于,包括:
采集物体N个成像面的物体图像以及所述物体N个成像面的背景图像,所述N为大于等于3的自然数;
根据所述物体N个成像面的物体图像和所述物体N个成像面的背景图像,将采集的所述物体N个成像面的物体图像进行归一化处理,选择归一化处理后的所述物体一个成像面的物体图像为参照物体图像,选择归一化处理后的所述物体其余N-1个成像面的物体图像为对照物体图像,将所述参照物体图像与N-1幅所述对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像;
根据迭代算法、所述参照物体图像和所述配准后的N-1幅物体图像,计算所述参照物体图像对应成像面的收敛相位分布。
2.如权利要求1所述的方法,其特征在于,所述采集物体N个成像面的物体图像以及所述物体N个成像面的背景图像之前,还包括:
设置射线源的优化工作参数以及探测器的工作模式。
3.如权利要求1所述的方法,其特征在于,所述根据迭代算法、所述参照物体图像和所述配准后的N-1幅物体图像,计算所述参照物体图像对应成像面的收敛相位分布之前,还包括:
计算焦斑几何模糊光学传输函数;
计算探测器响应的光学传输函数;
将所述参照物体图像和所述配准后的N-1幅物体图像进行去卷积处理;
设置所述参照物体图像对应成像面的初始相位分布。
4.如权利要求1所述的方法,其特征在于,所述迭代算法为傅里叶变换算法或盖师贝格-撒克斯通算法。
5.如权利要求1-4任一项所述的方法,其特征在于,所述根据迭代算法、所述参照物体图像和所述配准后的N-1幅物体图像,计算所述参照物体图像对应成像面的收敛相位分布之后,还包括:
判断所述参照物体图像对应成像面的收敛相位分布是否在物平面,若否,则用菲涅尔传播因子对所述参照物体图像对应成像面的收敛相位分布进行去卷积处理,获得物体在物平面的收敛相位分布。
6.一种基于多面图像信息的同轴相衬成像相位恢复系统,其特征在于,包括:
第一单元,用于采集物体N个成像面的物体图像以及所述物体N个成像面的背景图像,所述N为大于等于3的自然数;
第二单元,用于根据所述物体N个成像面的物体图像和所述物体N个成像面的背景图像,将采集的所述物体N个成像面的物体图像进行归一化处理,选择归一化处理后的所述物体其中一个成像面的物体图像为参照物体图像,选择归一化处理后的所述物体其余N-1个成像面的物体图像为对照物体图像,将所述参照物体图像与N-1幅所述对照物体图像分别进行图像精确配准,获得配准后的N-1幅物体图像;
第三单元,用于根据迭代算法、所述参照物体图像和所述配准后的N-1幅物体图像,计算所述参照物体图像对应成像面的收敛相位分布。
7.如权利要求6所述的系统,其特征在于,所述系统还包括:
第四单元,用于在所述第一单元采集物体N个成像面的物体图像以及所述物体N个成像面的背景图像之前,设置射线源的优化工作参数以及探测器的工作模式。
8.如权利要求6所述的系统,其特征在于,所述系统还包括:
第五单元,用于在所述第三单元根据迭代算法、所述参照物体图像和所述配准后的N-1幅物体图像,计算所述参照物体图像对应成像面的收敛相位分布之前,计算焦斑几何模糊光学传输函数;
第六单元,用于计算探测器响应的光学传输函数;
第七单元,用于将所述参照物体图像和所述配准后的N-1幅物体图像进行去卷积处理;
第八单元,用于设置所述参照物体图像对应成像面的初始相位分布。
9.如权利要求6所述的系统,其特征在于,所述迭代算法为傅里叶变换算法或盖师贝格-撒克斯通算法。
10.如权利要求6-9任一项所述的系统,其特征在于,所述系统还包括:
第九单元,用于在所述第三单元根据迭代算法、所述参照物体图像和所述配准后的N-1幅物体图像,计算所述参照物体图像对应成像面的收敛相位分布之后,判断所述参照物体图像对应成像面的收敛相位分布是否在物平面;
第十单元,用于在所述第九单元的判断结果为否时,用菲涅尔传播因子对所述参照物体图像对应成像面的收敛相位分布进行去卷积处理,获得物体在物平面的收敛相位分布。
CN201310485397.3A 2013-10-16 2013-10-16 一种基于多面图像信息的同轴相衬成像相位恢复方法及系统 Active CN103559686B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310485397.3A CN103559686B (zh) 2013-10-16 2013-10-16 一种基于多面图像信息的同轴相衬成像相位恢复方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310485397.3A CN103559686B (zh) 2013-10-16 2013-10-16 一种基于多面图像信息的同轴相衬成像相位恢复方法及系统

Publications (2)

Publication Number Publication Date
CN103559686A true CN103559686A (zh) 2014-02-05
CN103559686B CN103559686B (zh) 2016-07-06

Family

ID=50013925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310485397.3A Active CN103559686B (zh) 2013-10-16 2013-10-16 一种基于多面图像信息的同轴相衬成像相位恢复方法及系统

Country Status (1)

Country Link
CN (1) CN103559686B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104613888A (zh) * 2015-02-03 2015-05-13 清华大学 一种火焰烟雾环境下透过烟雾物体变形测量方法
CN105675638A (zh) * 2016-03-24 2016-06-15 西安交通大学 一种晶体微观结构的普适性高效同步辐射可视化表征方法
CN106556612A (zh) * 2016-11-04 2017-04-05 立讯精密工业(昆山)有限公司 一种基于相位信息的连接器缺陷检测方法
CN106596594A (zh) * 2016-11-25 2017-04-26 天津大学 一种基于成像系统特性的x射线相位成像方法
CN106841252A (zh) * 2017-01-17 2017-06-13 新疆医科大学 弱吸收物体同步辐射x射线同轴相衬成像的相位恢复方法
CN107432749A (zh) * 2017-07-05 2017-12-05 天津大学 一种x射线相衬成像的相位抽取方法
CN109596069A (zh) * 2018-12-07 2019-04-09 哈尔滨工业大学 基于扭曲光栅和编码孔径的物体相位恢复方法
CN109859127A (zh) * 2019-01-17 2019-06-07 哈尔滨工业大学 基于编码孔径的物体相位恢复技术

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6226353B1 (en) * 1996-12-24 2001-05-01 X-Ray Technologies Pty, Ltd Phase retrieval in phase contrast imaging
CN103098095A (zh) * 2010-09-03 2013-05-08 皇家飞利浦电子股份有限公司 微分相位对比成像中的规则化的相位恢复

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6226353B1 (en) * 1996-12-24 2001-05-01 X-Ray Technologies Pty, Ltd Phase retrieval in phase contrast imaging
CN103098095A (zh) * 2010-09-03 2013-05-08 皇家飞利浦电子股份有限公司 微分相位对比成像中的规则化的相位恢复

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
FANBO MENG等: "Feasibility study of the iterative x-ray phase retrieval algorithm", 《OPTICAL SOCIETY OD AMERICA》, 1 January 2009 (2009-01-01), pages 91 - 98, XP001521401, DOI: doi:10.1364/AO.48.000091 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104613888A (zh) * 2015-02-03 2015-05-13 清华大学 一种火焰烟雾环境下透过烟雾物体变形测量方法
CN104613888B (zh) * 2015-02-03 2017-06-13 清华大学 一种火焰烟雾环境下透过烟雾物体变形测量方法
CN105675638A (zh) * 2016-03-24 2016-06-15 西安交通大学 一种晶体微观结构的普适性高效同步辐射可视化表征方法
CN105675638B (zh) * 2016-03-24 2017-04-05 西安交通大学 一种晶体微观结构的同步辐射可视化表征方法
CN106556612A (zh) * 2016-11-04 2017-04-05 立讯精密工业(昆山)有限公司 一种基于相位信息的连接器缺陷检测方法
CN106596594A (zh) * 2016-11-25 2017-04-26 天津大学 一种基于成像系统特性的x射线相位成像方法
CN106596594B (zh) * 2016-11-25 2018-12-21 天津大学 一种基于成像系统特性的x射线相位成像方法
CN106841252A (zh) * 2017-01-17 2017-06-13 新疆医科大学 弱吸收物体同步辐射x射线同轴相衬成像的相位恢复方法
CN107432749A (zh) * 2017-07-05 2017-12-05 天津大学 一种x射线相衬成像的相位抽取方法
CN107432749B (zh) * 2017-07-05 2019-05-21 天津大学 一种x射线相衬成像的相位抽取方法
CN109596069A (zh) * 2018-12-07 2019-04-09 哈尔滨工业大学 基于扭曲光栅和编码孔径的物体相位恢复方法
CN109859127A (zh) * 2019-01-17 2019-06-07 哈尔滨工业大学 基于编码孔径的物体相位恢复技术

Also Published As

Publication number Publication date
CN103559686B (zh) 2016-07-06

Similar Documents

Publication Publication Date Title
CN103559686A (zh) 一种基于多面图像信息的同轴相衬成像相位恢复方法及系统
CN103559698A (zh) 一种基于混合迭代的同轴相衬成像相位恢复方法及系统
Tasse et al. The LOFAR Two-meter Sky Survey: Deep Fields Data Release 1-I. Direction-dependent calibration and imaging
Zuo et al. Transport of intensity phase retrieval and computational imaging for partially coherent fields: The phase space perspective
Müller et al. The theory of diffraction tomography
Nightingale et al. Adaptive semi-linear inversion of strong gravitational lens imaging
US6545790B2 (en) System and method for recovering phase information of a wave front
Yaroslavsky Digital holography and digital image processing: principles, methods, algorithms
CN102625921A (zh) 用于恢复波场的相位的方法和设备
US8040595B2 (en) Light microscope with novel digital method to achieve super-resolution
Barmherzig et al. Holographic phase retrieval and reference design
CN102636882B (zh) 一种分析高数值孔径成像系统空间像的方法
Sanctorum et al. X-ray phase contrast simulation for grating-based interferometry using GATE
Jung et al. Exact inversion of the cone transform arising in an application of a Compton camera consisting of line detectors
Li et al. Efficient assessment method of on-board modulation transfer function of optical remote sensing sensors
Simon et al. CFHTLenS: higher order galaxy–mass correlations probed by galaxy–galaxy–galaxy lensing
Pichon et al. ASKI: full-sky lensing map-making algorithms
Zhang An algorithm for calculating water surface elevations from surface gradient image data
IL268304B2 (en) Method and optical system for obtaining tomographic distribution of wave fronts of electromagnetic fields
Fujiwara et al. A source reconstruction method in two dimensional radiative transport using boundary data measured on an arc
Vagovič et al. X-ray Bragg magnifier microscope as a linear shift invariant imaging system: image formation and phase retrieval
Liu et al. Projected thickness reconstruction from a single defocused transmission electron microscope image of an amorphous object
Heintzmann et al. Scalable angular spectrum propagation
Deshpande et al. Investigating the robustness of a deep learning-based method for quantitative phase retrieval from propagation-based x-ray phase contrast measurements under laboratory conditions
Guastavino et al. A mathematical model for image saturation with an application to the restoration of solar images via adaptive sparse deconvolution

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant