CN112653834B - 超分辨率扫描成像方法、系统和存储介质 - Google Patents

超分辨率扫描成像方法、系统和存储介质 Download PDF

Info

Publication number
CN112653834B
CN112653834B CN202011383048.7A CN202011383048A CN112653834B CN 112653834 B CN112653834 B CN 112653834B CN 202011383048 A CN202011383048 A CN 202011383048A CN 112653834 B CN112653834 B CN 112653834B
Authority
CN
China
Prior art keywords
image
scanning
scanned
super
resolution
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.)
Active
Application number
CN202011383048.7A
Other languages
English (en)
Other versions
CN112653834A (zh
Inventor
王梓潼
杨尚京
罗建超
阮德明
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.)
Guangdong Dingcheng Electronic Technology Co ltd
Original Assignee
Guangdong Dingcheng Electronic Technology Co ltd
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 Guangdong Dingcheng Electronic Technology Co ltd filed Critical Guangdong Dingcheng Electronic Technology Co ltd
Priority to CN202011383048.7A priority Critical patent/CN112653834B/zh
Publication of CN112653834A publication Critical patent/CN112653834A/zh
Application granted granted Critical
Publication of CN112653834B publication Critical patent/CN112653834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/95—Computational photography systems, e.g. light-field imaging systems
    • H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种超分辨率扫描成像方法、系统和存储介质，方法包括以下步骤：采集第一预设尺寸的微电极扫描预设区域的第一扫描图像；采集第二预设尺寸的微电极扫描所述预设区域的第二扫描图像；根据所述第一扫描图像和所述第二扫描图像获取卷积核；采集所述第二预设尺寸的微电极扫描的第三扫描图像；采用所述卷积核对所述第三扫描图像进行反卷积后确定原始扫描图像。本发明在实际扫描过程中，通过较大尺寸的微电极进行扫描，即能得到较符合真实情况的扫描图像的超分辨图像，同时还能加快实验运行时间，降低实验成本。本发明可广泛应用于图像扫描技术领域。

Description

超分辨率扫描成像方法、系统和存储介质
技术领域
本发明涉及图像扫描技术领域，尤其是一种超分辨率扫描成像方法、系统和存储介质。
背景技术
扫描电化学显微镜是一个具有较高的时间、空间分辨的电化学控制测量技术，其主要用于研究分析液/液、液/固界面的化学性质、结构等电化学信息。扫描电化学显微镜主要通过控制三维平台移动，固定超微电极的扫描探针在电解质溶液中，对固相基底表面极近的距离进行区域扫描，通过测量基底方向上扫描探针的电流变化进行成像，通过形成的电流成像可以反映出基底的电化学形貌特征。
在扫描电化学显微镜进行扫描的过程中，当探针进入溶液环境中，周围溶液会对工作探针运动产生一定的阻尼作用，如果探针移动速度与采样频率过高时，处于溶液中的微电极与溶液界面之间的双层由于未处于稳定状态，导致采集的电信号会具有一定干扰，进而影响对真实基底的成像情况，导致采集图像精度与真实性受到影响。现有方式是尽量探针移动速度，增加扫描点间的停留时间，提高步近精度，但与此同时也延长了实验运行时间，此外，目前是还通过采用探针直径更小的微电极，以加快移动电极后双层稳定速度，使其具有更高的成像精度，但是这种方式的成本高。
发明内容
为解决上述技术问题之一，本发明的目的在于：提供一种超分辨率扫描成像方法、系统和存储介质，其能在提高图像真实性的同时，加快实验运行时间，并在一定程度上降低实验成本。
第一方面，本发明实施例提供了：
一种超分辨率扫描成像方法，包括以下步骤：
采集第一预设尺寸的微电极扫描预设区域的第一扫描图像；
采集第二预设尺寸的微电极扫描所述预设区域的第二扫描图像；
根据所述第一扫描图像和所述第二扫描图像获取卷积核；
采集所述第二预设尺寸的微电极扫描的第三扫描图像；
采用所述卷积核对所述第三扫描图像进行反卷积后确定原始扫描图像。
进一步地，所述根据所述第一扫描图像和所述第二扫描图像获取卷积核，包括：
对所述第一扫描图像和第二扫描图像进行相同区域的图像数量増广，得到训练图像；
采用所述训练图像进行机器学习后确定卷积核。
进一步地，所述对所述第一扫描图像和第二扫描图像进行相同区域的图像数量増广，包括：
对第一扫描图像和第二扫描图像进行相同区域的图像分割；
对分割后的图像进行旋转。
进一步地，所述采用所述卷积核对所述第三扫描图像进行反卷积后确定原始扫描图像，包括：
采用所述卷积核对所述第三扫描图像进行反卷积，得到第四扫描图像；
对所述第四扫描图像进行滤波处理后确定原始扫描图像。
进一步地，所述对所述第四扫描图像进行滤波处理，其具体为：
采用插值方式对所述第四扫描图像进行滤波处理。
进一步地，所述采用插值方式对所述第四扫描图像进行滤波处理，包括：
采用双三次插值方式滤除所述第四扫描图像的高频数据；
采用插值算法滤除所述第四扫描图像的低频数据。
进一步地，所述第一预设尺寸小于所述第二预设尺寸。
第二方面，本发明实施例提供了：
一种超分辨率扫描成像系统，包括：
第一采集模块，用于采集第一预设尺寸的微电极扫描预设区域的第一扫描图像；
第二采集模块，用于采集第二预设尺寸的微电极扫描所述预设区域的第二扫描图像；
获取模块，用于根据所述第一扫描图像和所述第二扫描图像获取卷积核；
第三采集模块，用于采集所述第二预设尺寸的微电极扫描的第三扫描图像；
确定模块，用于采用所述卷积核对所述第三扫描图像进行反卷积后确定原始扫描图像。
第三方面，本发明实施例提供了：
一种超分辨率扫描成像系统，包括：
至少一个存储器，用于存储程序；
至少一个处理器，用于加载所述程序以执行所述的超分辨率扫描成像方法。
第四方面，本发明实施例提供了：
一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行所述的超分辨率扫描成像方法。
本发明实施例的有益效果是：本发明实施例通过采集第一预设尺寸的微电极扫描预设区域的第一扫描图像和第二预设尺寸的微电极扫描所述预设区域的第二扫描图像，并根据第一扫描图像和第二扫描图像获取卷积核，接着采集第二预设尺寸的微电极扫描相同基底上的第三扫描图像，采用卷积核对第三扫描图像进行反卷积以确定原始扫描图像，本实施例通过两个不同尺寸的微电极扫描的图像进行确定卷积核后，在通过该卷积核对第三扫描图像进行反卷积后得到原始扫描图像，从而使得实际扫描过程中，可通过较大尺寸的微电极进行扫描，即能得到较符合真实情况的扫描图像的超分辨率图像，同时还能加快实验运行时间，降低实验成本。
附图说明
图1为本发明一种具体实施例的超分辨率扫描成像方法的流程图；
图2为一种具体实施例的金点阵电极外观图；
图3为一种具体实施例的金点阵电极的SECM图；
图4为对图3进行反卷积后的图；
图5为对图4进行插值处理后的图；
图6为一种具体实施例的通过光刻蚀的方法制作的ITO基底图；
图7为一种具体实施例的ITO基底图对应的SECM图；
图8为对图7进行反卷积后的图；
图9为对图8进行插值处理后的图；
图10为一种具体实施例的指纹对应基底的SECM图像；
图11为图10反卷积处理后的图；
图12为图11插值处理后的图；
图13为图1方法应用于软件后与图10对应的SECM图；
图14为图1方法应用于软件后与图11对应的图；
图15为图1方法应用于软件后与图12对应的图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
首先，对本申请出现的名词进行解释：
SECM：Scanning Electrochemical Microscope，扫描电化学显微镜，是一个具有较高的时间、空间分辨的电化学控制测量技术，主要用于研究分析液/液、液/固界面的化学性质、结构等电化学信息。
ITO：是一种N型氧化物半导体-氧化铟锡，ITO薄膜即铟锡氧化物半导体透明导电膜。
其次，由于发生在微电极上的氧化还原反应是一个扩散过程，使得电流信号中包含了高斯模糊噪声。且SECM一般采用逐行扫描方式，微电极在快速的移动过程中也会对微电极附近微区内的溶液状态产生影响，进而影响微区内溶液的电化学扩散过程，导致微电极上的稳态电流发生变化，使获得的SECM图像变得模糊。
因此，参照图1，本发明实施例提供了一种超分辨率扫描成像方法，本实施例可应用于服务端或者各个控制终端。其中，本实施例包括以下步骤：
S11、采集第一预设尺寸的微电极扫描预设区域的第一扫描图像；以及采集第二预设尺寸的微电极扫描上述预设区域的第二扫描图像；在本步骤中，第一预设尺寸小于第二预设尺寸，即第一预设尺寸对应的微电极直径小于第二预设尺寸对应的微电极直径。为了保证两种尺寸扫描得到的图像具备可比性，在本步骤中，第一预设尺寸的微电极对应的扫描区域与第二预设尺寸的微电极对应的扫描区域为相同区域。
S12、根据第一扫描图像和第二扫描图像获取卷积核；
在一些实施例中，步骤S12可通过以下方式实现：
对第一扫描图像和第二扫描图像进行相同区域的图像数量増广，得到训练图像；在本步骤中，为了得到更多相同区域的不同分辨率的图像，通过对第一扫描图像和第二扫描图像相同区域的图像分割，并在得到分割后的图像后，再对分割后的图像进行旋转，以得到更多的相同区域不同分辨率的扫描图像，并将分割旋转后的图像作为训练图像。然后，采用该训练图像进行机器学习后确定卷积核。
具体地，本步骤是由于SECM的图像分辨率可以认为是微电极尖端电极尺寸大小的影响，对于理想数据的获取可以采用不同直径的微电极对相同基底进行扫描或提高采样精度获取输入信号与输出信号从而获取卷机核。其中，通过大小不同的微电极尺寸在相同区域进行扫描，通过该方式可以获取不同分辨率的相同图像。通过对获取的不同分辨率的相同图像进行区域分割、旋转等操作，从而获取多张相同区域不同分辨率的扫描图像，最后通过机器学习获取建立高分辨与低分辨率间的函数关系，该函数关系即为卷积核。其中，机器学习可以为深度神经网络、支持向量机等。
S13、采集第二预设尺寸的微电极扫描的第三扫描图像；该第三扫描图像可以是第二扫描图像，也可以是相同区域内的相同基底上的其他时间段扫描图像。
S14、采用卷积核对第三扫描图像进行反卷积后确定原始扫描图像。
在一些实施例中，采用卷积核对第三扫描图像进行反卷积后确定原始扫描图像这一步骤，可通过以下方式实现：
采用卷积核对第三扫描图像进行反卷积，得到第四扫描图像；在本步骤中，卷积核可以理解为一个矩阵，其中，以小尺寸的微电极扫描的SECM图像分辨率较高，以大尺寸的微电极扫描的SECM图像分辨率较低，则两者的差别可以理解为误差函数，即卷积核Y＝(X)，在该公式中，Y为小尺寸扫描结果，X为大尺寸扫描结果。F()为误差函数或卷积核。由Y和X求F()的求卷积过程可以用神经网络获取，其具体可以表示为：小尺寸→误差函数→大尺寸。而反卷积则是通过求卷积的过程的逆过程，即大尺寸通过卷积方向可以得到更加精细的图像消除误差。
在得到第四扫描图像后，对第四扫描图像进行滤波处理后确定原始扫描图像。在本步骤中，其具体可以采用插值方式对第四扫描图像进行滤波处理。其中，采用插值方式对第四扫描图像进行滤波处理，包括：
采用双三次插值方式滤除第四扫描图像的高频数据；已经采用插值算法滤除第四扫描图像的低频数据，接着根据滤波后第四扫描图像周围16个数据点的灰度图进行扩充，以得到超分辨率，从而进一步提高图像清晰度并对原有的细节进行丰富。
在下面实施例中，通过实际操作进行上述实施例的效果验证：
应用实施例一、通过自行离子溅射方法制备了金点阵电极外观如图2所示，其中金点阵电极的圆点直径约200μm，圆点与圆点之间的中心距离约400μm。采集如图3所示的金点阵电极的SECM图像，实验电解质溶液为2mmol/L铁氰化钾、0.1mol/L氯化钾的混合水溶液，探针电极的步进间隔是5μm、时间增量0.5秒进行扫描。对图3进行反卷积后得到图4所示数据，接着对图4进行上述插值方式进行处理后得到如图5所示数据。从图3到图5可以明显发现图像边缘与图像清晰度有明显增加。
应用实施例二、分别选择了ito进行不同角度验证。如图6所示为通过光刻蚀的方法制作的ITO基底，其中白色为导电区域宽25μm、黑色部分为绝缘部分宽50μm。实验条件与上述实验相同。实验条件与应用实施例一的条件相同。实验结果如图7、图8和与9所示。其中，图7为采集数据、图8为图7经过反卷积后的图像数据；图9为图8经过差值算法处理后的图像数据。从图7到图9可以看出，图像边缘和图像清晰度得到明显增加，原有细节也得到丰富。
应用实施例三、指纹在硅片上制作的基底，其中图10为原始的SECM图像，图11为图10经过反卷积处理后图像，图12为图11插值处理后的图像。将本发明实施例应用于应用软件后，图13为对应图10的原始的SECM图像，图14为对应图11的经过反卷积处理后图像，图15为对应图12的插值处理后的图像。从图10到图15可知，对于复杂不规则的图案也有明显增强。
本发明实施例提供了一种与图1方法相对应的超分辨率扫描成像系统，包括：
第一采集模块，用于采集第一预设尺寸的微电极扫描预设区域的第一扫描图像；
第二采集模块，用于采集第二预设尺寸的微电极扫描所述预设区域的第二扫描图像；
获取模块，用于根据所述第一扫描图像和所述第二扫描图像获取卷积核；
第三采集模块，用于采集所述第二预设尺寸的微电极扫描的第三扫描图像；
确定模块，用于采用所述卷积核对所述第三扫描图像进行反卷积后确定原始扫描图像。
本发明方法实施例的内容均适用于本系统实施例，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例提供了一种超分辨率扫描成像系统，包括：
至少一个存储器，用于存储程序；
至少一个处理器，用于加载所述程序以执行所述的超分辨率扫描成像方法。
本发明方法实施例的内容均适用于本系统实施例，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例提供了一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行所述的超分辨率扫描成像方法。
此外，本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (9)

1.一种超分辨率扫描成像方法，其特征在于，包括以下步骤：
采集第一预设尺寸的微电极扫描预设区域的第一扫描图像；
采集第二预设尺寸的微电极扫描所述预设区域的第二扫描图像；
对所述第一扫描图像和第二扫描图像进行相同区域的图像数量増广，得到训练图像；
采用所述训练图像进行机器学习后确定卷积核；
采集所述第二预设尺寸的微电极扫描的第三扫描图像；
采用所述卷积核对所述第三扫描图像进行反卷积后确定原始扫描图像。
2.根据权利要求1所述的一种超分辨率扫描成像方法，其特征在于，所述对所述第一扫描图像和第二扫描图像进行相同区域的图像数量増广，包括：
对第一扫描图像和第二扫描图像进行相同区域的图像分割；
对分割后的图像进行旋转。
3.根据权利要求1所述的一种超分辨率扫描成像方法，其特征在于，所述采用所述卷积核对所述第三扫描图像进行反卷积后确定原始扫描图像，包括：
采用所述卷积核对所述第三扫描图像进行反卷积，得到第四扫描图像；
对所述第四扫描图像进行滤波处理后确定原始扫描图像。
4.根据权利要求3所述的一种超分辨率扫描成像方法，其特征在于，所述对所述第四扫描图像进行滤波处理，其具体为：
采用插值方式对所述第四扫描图像进行滤波处理。
5.根据权利要求4所述的一种超分辨率扫描成像方法，其特征在于，所述采用插值方式对所述第四扫描图像进行滤波处理，包括：
采用双三次插值方式滤除所述第四扫描图像的高频数据；
采用插值算法滤除所述第四扫描图像的低频数据。
6.根据权利要求1-5任一项所述的一种超分辨率扫描成像方法，其特征在于，所述第一预设尺寸小于所述第二预设尺寸。
7.一种超分辨率扫描成像系统，其特征在于，包括：
第一采集模块，用于采集第一预设尺寸的微电极扫描预设区域的第一扫描图像；
第二采集模块，用于采集第二预设尺寸的微电极扫描所述预设区域的第二扫描图像；
获取模块，用于对所述第一扫描图像和第二扫描图像进行相同区域的图像数量増广，得到训练图像；采用所述训练图像进行机器学习后确定卷积核；
第三采集模块，用于采集所述第二预设尺寸的微电极扫描的第三扫描图像；
确定模块，用于采用所述卷积核对所述第三扫描图像进行反卷积后确定原始扫描图像。
8.一种超分辨率扫描成像系统，其特征在于，包括：
至少一个存储器，用于存储程序；
至少一个处理器，用于加载所述程序以执行如权利要求1-6任一项所述的超分辨率扫描成像方法。
9.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于实现如权利要求1-6任一项所述的超分辨率扫描成像方法。
CN202011383048.7A 2020-12-01 2020-12-01 超分辨率扫描成像方法、系统和存储介质 Active CN112653834B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011383048.7A CN112653834B (zh) 2020-12-01 2020-12-01 超分辨率扫描成像方法、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011383048.7A CN112653834B (zh) 2020-12-01 2020-12-01 超分辨率扫描成像方法、系统和存储介质

Publications (2)

Publication Number Publication Date
CN112653834A CN112653834A (zh) 2021-04-13
CN112653834B true CN112653834B (zh) 2022-04-08

Family

ID=75350129

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011383048.7A Active CN112653834B (zh) 2020-12-01 2020-12-01 超分辨率扫描成像方法、系统和存储介质

Country Status (1)

Country Link
CN (1) CN112653834B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114372915B (zh) * 2021-12-07 2023-05-23 图湃(北京)医疗科技有限公司 实现oct轴向超分辨的方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107764779A (zh) * 2017-09-27 2018-03-06 上海交通大学 一种共聚焦系统的超分辨成像方法及系统
CN108445262A (zh) * 2018-03-06 2018-08-24 苏州显纳精密仪器有限公司 一种基于近场光学的扫描微球透镜超分辨率显微镜及其成像方法
CN108564578A (zh) * 2018-04-13 2018-09-21 上海商汤智能科技有限公司 病理诊断辅助方法、装置及系统
US10169852B1 (en) * 2018-07-03 2019-01-01 Nanotronics Imaging, Inc. Systems, devices, and methods for providing feedback on and improving the accuracy of super-resolution imaging
CN109300087A (zh) * 2018-09-05 2019-02-01 中国科学院生物物理研究所 提高样品切片的扫描成像在z轴方向上分辨率方法及系统
CN110349237A (zh) * 2019-07-18 2019-10-18 华中科技大学 基于卷积神经网络的快速体成像方法
CN110826467A (zh) * 2019-11-22 2020-02-21 中南大学湘雅三医院 一种电子显微镜图像重建系统及其方法
CN111512207A (zh) * 2017-12-22 2020-08-07 莱卡微系统Cms有限责任公司 使用荧光显微镜利用受激发射损耗对样本成像的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6363890B2 (ja) * 2014-07-04 2018-07-25 オリンパス株式会社 走査型顕微鏡装置および超解像画像の生成方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107764779A (zh) * 2017-09-27 2018-03-06 上海交通大学 一种共聚焦系统的超分辨成像方法及系统
CN111512207A (zh) * 2017-12-22 2020-08-07 莱卡微系统Cms有限责任公司 使用荧光显微镜利用受激发射损耗对样本成像的方法
CN108445262A (zh) * 2018-03-06 2018-08-24 苏州显纳精密仪器有限公司 一种基于近场光学的扫描微球透镜超分辨率显微镜及其成像方法
CN108564578A (zh) * 2018-04-13 2018-09-21 上海商汤智能科技有限公司 病理诊断辅助方法、装置及系统
US10169852B1 (en) * 2018-07-03 2019-01-01 Nanotronics Imaging, Inc. Systems, devices, and methods for providing feedback on and improving the accuracy of super-resolution imaging
CN109300087A (zh) * 2018-09-05 2019-02-01 中国科学院生物物理研究所 提高样品切片的扫描成像在z轴方向上分辨率方法及系统
CN110349237A (zh) * 2019-07-18 2019-10-18 华中科技大学 基于卷积神经网络的快速体成像方法
CN110826467A (zh) * 2019-11-22 2020-02-21 中南大学湘雅三医院 一种电子显微镜图像重建系统及其方法

Also Published As

Publication number Publication date
CN112653834A (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
Lin et al. TEMImageNet training library and AtomSegNet deep-learning models for high-precision atom segmentation, localization, denoising, and deblurring of atomic-resolution images
Ribli et al. Weak lensing cosmology with convolutional neural networks on noisy data
Thevenaz et al. The ovuscule
CN113498528A (zh) 图像缺陷确定方法与装置、电子设备及存储介质
CN112653834B (zh) 超分辨率扫描成像方法、系统和存储介质
Bizhani et al. Reconstructing high fidelity digital rock images using deep convolutional neural networks
CN115775236B (zh) 基于多尺度特征融合的表面微小缺陷视觉检测方法及系统
CN112200274B (zh) 一种目标检测方法、装置、电子设备和存储介质
Chen et al. Enhancement and recovery in atomic force microscopy images
CN112597852A (zh) 细胞分类方法、装置、电子设备及存储介质
Genc et al. A deep learning approach for semantic segmentation of unbalanced data in electron tomography of catalytic materials
CN116363136B (zh) 一种机动车部件自动化生产在线筛选方法及系统
Huang et al. Yeast cell detection using fuzzy automatic contrast enhancement (FACE) and you only look once (YOLO)
Grosche et al. Dynamic image sampling using a novel variance based probability mass function
Kaufmann et al. An acquisition parameter study for machine-learning-enabled electron backscatter diffraction
CN114419037B (zh) 工件缺陷检测方法和装置
CN115648215A (zh) 基于注意力机制和孪生反卷积的服务机器人抓取检测方法
CN115631209A (zh) 水凝胶球溶胀参数测量方法、系统、装置和存储介质
CN108320307A (zh) 一种确定储层岩石样品的有效单元体积的方法及装置
CN112767323A (zh) 一种显示模组中各向异性导电膜粒子的检测方法
CN114120058A (zh) 一种绝缘子外套裂纹识别方法、装置及存储介质
Chang et al. Deep-Learning-Based Automated Morphology Analysis With Atomic Force Microscopy
CN113674144A (zh) 一种图像处理方法、终端设备及可读存储介质
CN114897919B (zh) 一种基于边缘梯度导向插值的deplabv3+语义分割方法
Eliasson et al. Localization and segmentation of atomic columns in supported nanoparticles for fast scanning transmission electron microscopy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant