CN112907481B - 一种对于噪声鲁棒的高质量无透镜成像方法及系统 - Google Patents

一种对于噪声鲁棒的高质量无透镜成像方法及系统 Download PDF

Info

Publication number
CN112907481B
CN112907481B CN202110272575.9A CN202110272575A CN112907481B CN 112907481 B CN112907481 B CN 112907481B CN 202110272575 A CN202110272575 A CN 202110272575A CN 112907481 B CN112907481 B CN 112907481B
Authority
CN
China
Prior art keywords
image
noise
sample
matrix
gaussian noise
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
CN202110272575.9A
Other languages
English (en)
Other versions
CN112907481A (zh
Inventor
曹汛
宋蔚枝
周游
华夏
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.)
Nanjing University
Original Assignee
Nanjing University
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 Nanjing University filed Critical Nanjing University
Priority to CN202110272575.9A priority Critical patent/CN112907481B/zh
Publication of CN112907481A publication Critical patent/CN112907481A/zh
Application granted granted Critical
Publication of CN112907481B publication Critical patent/CN112907481B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Microscoopes, Condenser (AREA)

Abstract

本发明提出了一种对于噪声鲁棒的高质量无透镜成像方法。该方法包括如下步骤：在样本到图像传感器不同距离下，采集多个样本衍射图像；对采集的衍射图像进行对焦搜索和x‑y方向的图像配准；使用WGDG算法对衍射图像进行图像重建。其中，WGDG算法是通过在Wirtinger梯度下降优化中引入高斯模型来进行设计的，用于实现相位恢复。本发明的无透镜成像方法，运用了一种新型迭代算法，能够有效降低高斯噪声对图像重建的影响，获得噪声鲁棒性、高质量成像结果。

Description

一种对于噪声鲁棒的高质量无透镜成像方法及系统
技术领域
本发明涉及显微成像技术领域，特别涉及一种对于噪声鲁棒的高质量无透镜成像方法及系统。
背景技术
无透镜显微(lensless microscopy)是一种不需要使用任何光学透镜而实现样本复振幅成像的显微成像技术。采用数字图像传感器直接采集物体的衍射图像，并通过相应的物理模型计算反解，重建物体的图像信息。无透镜显微的主要优点包括：光学系统结构简洁、操作简单、易于实现小型化成像系统、以及成本低廉等，尤其是其成像系统的光学空间带宽积(spatial bandwidth product，SBP)具有很大的拓展性，便于实现高分辨率、大视场(field of view，FOV)的显微成像。
目前，现有无透镜显微成像技术能成功重建出高质量的图像，主要依赖于成像系统采集的图像具有高信噪比，但在实际成像中却很难保证高信噪比这一条件。因为真实实验总会受到光子噪声、来自图像传感器的电子噪声等噪声的干扰，系统采集的图像可能会受到噪声污染。而常用于无透镜成像的GS(Gerchberg-Saxton)算法是对噪声敏感的。若采集图像被噪声污染，则会导致重建图像中出现伪影，成像质量下降。目前无透镜显微成像中的去噪声方法还未被系统地研究，因此研究对于噪声鲁棒的无透显微成像有着重要意义。
Wirtinger梯度下降(Wirtinger gradient descent,WGD)优化目前已应用在傅里叶叠层成像(fourier pythchography microscopy,FPM)和叠层成像术(ptychography)中。相较于常用的GS算法，WGD能够获得更好的去噪声效果和鲁棒性重建。
此外，为了实现高质量的相位恢复，确保算法重建的收敛性，无透镜成像需要采集具有特定多样性的多张测量图片(包括轴向高度多样性、光照波长多样性以及光照角度多样性等)，进行融合重建，以得到样本的高质量复振幅信息。
发明内容
针对以上现有技术中存在的缺陷，本发明目的在于提出一种对于噪声鲁棒的高质量无透镜成像方法及系统，可实现噪声鲁棒性、高质量的无透镜成像。
本发明的方法采用的技术方案如下：
一种对于噪声鲁棒的高质量无透镜成像方法，包括如下步骤：在样本到图像传感器不同距离下，采集多个样本的衍射图像；对采集的衍射图像进行对焦搜索和x-y方向的图像配准；使用WGDG算法对所述衍射图像进行图像重建。
进一步地，所述WGDG算法为基于高斯模型的Wirtinger梯度下降算法，具体包括以下步骤：
步骤一，初始化：生成初始化的重建图像O、高斯噪声G和松弛矩阵E；
步骤二，正向传播：利用角谱传播理论，结合初始化信息，依次得到各个样本高度下图像传感器平面的2D图像分布；
步骤三，方向求导：根据损失函数f，计算f对于各个样本平面的矩阵O*和高斯噪声G的偏导数和/>其中O*表示以重建图像O各元素的共轭复数为元素组成的矩阵；
步骤四，更新一：根据WGD优化和对应不同矩阵更新设定的梯度下降步长，以梯度下降的方式依次更新重建图像O和高斯噪声G；
步骤五，更新二：根据设定的高斯标准差σ和步骤四得到的高斯噪声G，更新松弛矩阵E；
重复上述步骤二到步骤五，更新不同轴向高度的各个矩阵信息，遍历多个高度，为一次子循环；经过n次子循环后，得到最终样本重建图像。
本发明一种对于噪声鲁棒的高质量无透镜成像系统，包括激光光源、图像传感器和轴向位移台，所述激光光源出射端依次放置待测样本和图像传感器，所述图像传感器安装在轴向位移台上，用于采集具有不同轴向高度的多张样本衍射图像。
进一步地，所述激光光源采用光纤耦合激光光源，提供638nm波长的入射光。
与现有技术相比，本发明的创新点以及优点在于：
(1)本发明通过将WGD优化引入无透镜显微成像，以减小高斯噪声对无透镜成像质量的影响，实现对于噪声鲁棒的高质量无透镜成像。本发明将高斯噪声模型引入WGD优化中，提出了WGDG算法，能够有效减小噪声对重建质量的影响，实现高质量无透镜显微成像。此外，WGDG算法可以通过添加其它噪声项和正则项进行拓展，以降低其它噪声对成像质量的影响。
(2)本发明提供了一个多高度采集的无透镜成像系统，用以采集具有轴向高度多样性的多张样本图像，提供图像重建所需要的样本衍射图像信息。本发明系统能够精确调节图像传感器的轴向位置，在多个不同样本到图像传感器距离下采集样本图像信息，为基于WGDG算法的图像重建提供所需要的具有特定多样性的多张测量图片，实现对于噪声鲁棒的高质量无透镜成像。
(3)利用本发明系统采集到的多张样本测量图片作为输入图像代入本发明WGDG算法中进行图像重建，能有效降低噪声对成像质量的影响，实现对于噪声鲁棒的高质量无透镜成像。通过仿真和真实实验测试，相较于现有GS算法，本发明的WGDG算法能够重建出具有更高信噪比、背景更干净的图像，能够更好减小噪声带来的伪影对成像质量的影响。
附图说明
图1为本发明无透镜成像系统的框图；
图2为本发明无透镜成像系统的光学结构示意图；
图3为本发明实施例的样本图像恢复算法的流程图；
图4为本发明实施例的成像方法和GS算法获得的USAF-1951分辨率板的成像结果。(a1)为GS算法重建得到的振幅图像，(a2)为(a1)的局部特写图像，(b1)为WGDG算法重建得到的振幅图像，(b2)为(b1)的局部特写图像。
图5为本发明实施例的成像方法获得的动物皮肤切片的成像结果，(a)全视场幅值图像，(b)全视场相位图像。图中标记的1、2、3、4分别为四个局部区域的特写图像。
具体实施方式
下面参照附图详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
参照图1所示，本发明的系统包括激光光源、轴向位移台和图像传感器，是一种多高度采集的无透镜成像系统，通过将图像传感器安装于轴向位移台上实现控制图像传感器在轴向的精确移动，在多个不同样本到图像传感器距离下采集样本的衍射图像信息，为图像重建提供多张具有轴向高度多样性的样本采集图像。具体地，激光光源提供照明；图像传感器记录样本的衍射图像信息；轴向位移台能够在轴向精准移动，用于装载图像传感器，以实现轴向精确移动图像传感器。激光光源出射端依次放置待观测样本、图像传感器，通过多次移动轴向位移台至不同采集平面，采集不同样本到图像传感器距离下的样本图像。但是只通过轴向位移台，系统依然无法准确确定样本到图像传感器的距离，因此在成像方法中，利用对焦搜索获得样本到图像传感器的准确距离。
参照图2为本发明一种对于噪声鲁棒的高质量无透镜成像系统的光学结构示意图。其中，为方便原型系统构建，激光光源使用的是Thorlabs的光纤耦合激光光源，提供638nm波长的垂直入射光，并具有大约10nm的半波宽。图像传感器使用的是Image SourceDMM 27UJ003-ML USB 3.0单色相机，像素尺寸在1.67μm，视频格式为3872(W)*2764(H)。
基于上述成像系统，本实施例提出一种对于噪声鲁棒的高质量无透镜成像方法，主要在于使用基于高斯模型的Wirtinger梯度下降算法(WGDG)对原始图像进行重建。具体地，对于噪声鲁棒的高质量无透镜成像系统的成像方法包括以下步骤：以确定步长轴向移动图像传感器，在多个不同样本到图像传感器距离下采集样本的衍射图像信息；对采集图像进行对焦搜索和x-y方向的图像配准；使用WGDG算法对采集到的多张图像进行图像重建。
在实际成像实验中，由于系统误差等因素，所采集的多张测量图像中，同样的像素对应的是样本的不同位置。若是直接将采集图片代入重建步骤中，重建图像质量会明显下降。因此本发明成像方法在重建步骤前，基于现有方法，对采集图像进行对焦搜索和x-y方向的图像配准，以保证采集到的多张多高度图片中的同样的像素对应的是被摄物体的同一位置。
本发明的WGDG算法是将WGD优化引入无透镜成像中，并结合高斯噪声模型来进行设计的，用于无透镜成像中的图像重建步骤，可降低噪声对图像重建的影响，实现对于噪声鲁棒的高质量无透镜成像。GS算法是常用的图像重建算法，但这一算法对噪声敏感。若成像系统采集到的图片信噪比不高，使用GS算法重建得到的图像中可能会出现由噪声导致的伪影，造成成像质量下降。而本发明基于WGD优化设计重建算法，同时将噪声项引入重建模块，能够有效避免因噪声存在导致的重建图像质量下降这一问题。本发明的图像重建，是通过在保持其它变量不变的条件下，依次更新每个变量的值来求解的。当进行多次迭代计算后，算法重建出高质量图像。本发明WGDG算法的输入为样本的初始猜测值和本发明系统采集到的多张测量图片，输出为重建得到的样本图像。重建迭代过程中，根据WGD优化，设置样本图像和噪声矩阵以梯度下降的方式进行更新。
具体地，参照图3所示，本实施例的WGDG算法包括以下步骤：
步骤一，初始化：生成初始化的重建图像O、高斯噪声G、松弛矩阵E。更具体地，初始化步骤包括设定总迭代次数n，初始重建图像，初始高斯噪声，初始松弛矩阵。
步骤二，正向传播：利用角谱传播理论，结合样本平面图像信息，依次得到各个样本高度下图像传感器平面的2D图像分布。
步骤三，方向求导：根据损失函数f，计算f对于各个样本平面的矩阵O*和高斯噪声G的偏导数和/>其中O*表示以重建图像O各元素的共轭复数为元素组成的矩阵。
步骤四，更新一：根据WGD优化和对应不同矩阵更新设定的梯度下降步长，以如下梯度下降的方式依次更新重建图像O和高斯噪声G，
其中，O(k)和G(k)分别为上一次迭代计算得到的重建图像O和高斯噪声G，O(k+1)和G(k +1)是更新得到的重建图像O和高斯噪声G，和/>分别是更新重建图像O和更新高斯噪声G对应的梯度下降步长；
步骤五，更新二：根据设定的高斯标准差σ和步骤四得到的高斯噪声G，更新松弛矩阵E。
松弛矩阵E的更新值是使得f对E的偏导数为0时E的取值，即求解得到的E(k+1)是更新后的松弛矩阵E。求解过程中需要带入设定的高斯标准差σ和步骤四得到的更新后的高斯噪声G。
重复上述步骤二至步骤五，更新相应轴向高度的各个矩阵信息，遍历多个高度，为一次子循环。
按照以上步骤经过n次子循环，得到最终样本重建图像。
参照图4所示，本发明实施例系统采集USAF-1951分辨率板的衍射图样信息，并使用GS算法和本发明提出的WGDG算法进行图像重建。实施例样本使用的是具有低透射率的负片。实施例以50um为步长移动图像传感器，采集了8张样本衍射图像信息，相机的曝光时间为8ms。GS算法和本发明提出的WGDG算法重建得到的振幅图像见图4。如(a1)，(b1)及相应局部特写图像(a2)，(b2)所示，GS算法得到的重建图像具有更明显的伪影(如箭头标记处所示)和分辨率损失(组7元素6所示)。使用本发明提出的WGDG算法能够获得更好的成像质量。
参照图5所示，本实施例系统采集动物皮肤组织切片的衍射图样信息，并使用本发明提出的WGDG算法进行图像重建。实施例以50um为步长移动图像传感器，采集了8张样本衍射图像信息。为提高计算效率，实施例将完整视场分割为有重叠的5×7子区域，使用WGDG算法对每个子区域进行图像重建，最后将各子区域重建图像进行拼接得到完整视场图像。本实施例获得了动物皮肤组织切片的高质量全视场振幅及相位图像，分别如(a)、(b)图所示，其中标记1、2、3、4的图分别为全视场图像中对应区域的局部特写图像。重建结果清晰地展现了样本的精细结构。该重建图像尺寸为～4.62×6.46mm2。

Claims (3)

1.一种对于噪声鲁棒的高质量无透镜成像方法，其特征在于，该方法包括如下步骤：在样本到图像传感器不同距离下，采集多个样本衍射图像；对采集的衍射图像进行对焦搜索和x-y方向的图像配准；使用WGDG算法对所述衍射图像进行图像重建；所述WGDG算法为基于高斯模型的Wirtinger梯度下降算法，具体包括以下步骤：
步骤一，初始化：生成初始化的重建图像O、高斯噪声G和松弛矩阵E；
步骤二，正向传播：利用角谱传播理论，结合初始化信息，依次得到各个样本高度下图像传感器平面的2D图像分布；
步骤三，方向求导：根据损失函数f，计算f对于各个样本平面的矩阵O*和高斯噪声G的偏导数和/>其中O*表示以重建图像O各元素的共轭复数为元素组成的矩阵；
步骤四，更新一：根据WGD优化和对应不同矩阵更新设定的梯度下降步长，以梯度下降的方式依次更新重建图像O和高斯噪声G，
其中，O(k)、G(k)和Ε(k)分别为上一次迭代计算得到的重建图像O、高斯噪声G和松弛矩阵E，O(k+1)和G(k+1)是更新得到的重建图像O和高斯噪声G，和/>分别是更新重建图像O和更新高斯噪声G对应的梯度下降步长；
步骤五，更新二：根据设定的高斯标准差σ和步骤四得到的高斯噪声G，更新松弛矩阵E；
重复上述步骤二到步骤五，更新不同轴向高度的各个矩阵信息，遍历多个高度，为一次子循环；经过n次子循环后，得到最终样本重建图像。
2.一种对于噪声鲁棒的高质量无透镜成像系统，包括激光光源、图像传感器和轴向位移台，其特征在于，所述激光光源出射端依次放置待测样本和图像传感器，所述图像传感器安装在轴向位移台上，用于采集具有不同轴向高度的多张样本衍射图像；所述成像系统对采集的样本衍射图像进行对焦搜索和x-y方向的图像配准，并使用WGDG算法对所述衍射图像进行图像重建；所述WGDG算法为基于高斯模型的Wirtinger梯度下降算法，具体包括以下步骤：
步骤一，初始化：生成初始化的重建图像O、高斯噪声G和松弛矩阵E；
步骤二，正向传播：利用角谱传播理论，结合初始化信息，依次得到各个样本高度下图像传感器平面的2D图像分布；
步骤三，方向求导：根据损失函数f，计算f对于各个样本平面的矩阵O*和高斯噪声G的偏导数和/>其中O*表示以重建图像O各元素的共轭复数为元素组成的矩阵；
步骤四，更新一：根据WGD优化和对应不同矩阵更新设定的梯度下降步长，以梯度下降的方式依次更新重建图像O和高斯噪声G，
其中，O(k)、G(k)和Ε(k)分别为上一次迭代计算得到的重建图像O、高斯噪声G和松弛矩阵E，O(k+1)和G(k+1)是更新得到的重建图像O和高斯噪声G，和/>分别是更新重建图像O和更新高斯噪声G对应的梯度下降步长；
步骤五，更新二：根据设定的高斯标准差σ和步骤四得到的高斯噪声G，更新松弛矩阵E；
重复上述步骤二到步骤五，更新不同轴向高度的各个矩阵信息，遍历多个高度，为一次子循环；经过n次子循环后，得到最终样本重建图像。
3.根据权利要求2所述的一种对于噪声鲁棒的高质量无透镜成像系统，其特征在于，所述激光光源采用光纤耦合激光光源，提供638nm波长的入射光。
CN202110272575.9A 2021-03-13 2021-03-13 一种对于噪声鲁棒的高质量无透镜成像方法及系统 Active CN112907481B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110272575.9A CN112907481B (zh) 2021-03-13 2021-03-13 一种对于噪声鲁棒的高质量无透镜成像方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110272575.9A CN112907481B (zh) 2021-03-13 2021-03-13 一种对于噪声鲁棒的高质量无透镜成像方法及系统

Publications (2)

Publication Number Publication Date
CN112907481A CN112907481A (zh) 2021-06-04
CN112907481B true CN112907481B (zh) 2023-12-12

Family

ID=76104953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110272575.9A Active CN112907481B (zh) 2021-03-13 2021-03-13 一种对于噪声鲁棒的高质量无透镜成像方法及系统

Country Status (1)

Country Link
CN (1) CN112907481B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016138255A1 (en) * 2015-02-27 2016-09-01 Brigham And Women's Hospital, Inc. Imaging systems and methods of using the same
CN108983579A (zh) * 2018-09-05 2018-12-11 南京大学 无透镜数字全息显微成像相位恢复和重建的方法及其装置
CN110352387A (zh) * 2016-11-04 2019-10-18 医学诊断公司 用于通过多深度稀疏相位恢复重建全息无透镜图像的系统和方法
CN110807822A (zh) * 2019-10-14 2020-02-18 北京理工大学 基于Wirtinger Flow算法的散斑相关成像方法及装置
CN112288633A (zh) * 2020-10-29 2021-01-29 燕山大学 一种新型亚像素分辨率衍射成像方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3175302B1 (en) * 2014-08-01 2021-12-29 The Regents of the University of California Device and method for iterative phase recovery based on pixel super-resolved on-chip holography
FR3082944A1 (fr) * 2018-06-20 2019-12-27 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede d'observation d'un echantillon par imagerie sans lentille, avec prise en compte d'une dispersion spatiale dans l'echantillon

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016138255A1 (en) * 2015-02-27 2016-09-01 Brigham And Women's Hospital, Inc. Imaging systems and methods of using the same
CN110352387A (zh) * 2016-11-04 2019-10-18 医学诊断公司 用于通过多深度稀疏相位恢复重建全息无透镜图像的系统和方法
CN108983579A (zh) * 2018-09-05 2018-12-11 南京大学 无透镜数字全息显微成像相位恢复和重建的方法及其装置
CN110807822A (zh) * 2019-10-14 2020-02-18 北京理工大学 基于Wirtinger Flow算法的散斑相关成像方法及装置
CN112288633A (zh) * 2020-10-29 2021-01-29 燕山大学 一种新型亚像素分辨率衍射成像方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Cell Separation with Hybrid Magnetic Levitation-Based Lensless Holographic Microscopy Platform";Kerem Delikoyun等;《2019 Medical Technologies Congress》;全文 *
"基于多图像迭代相位恢复技术的计算成像特性研究";沈成;《中国优秀硕士学位论文全文数据库》;全文 *
基于多距离相位恢复的无透镜计算成像技术;刘正君;郭澄;谭久彬;;红外与激光工程(10);全文 *

Also Published As

Publication number Publication date
CN112907481A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
KR102269229B1 (ko) 렌즈리스 초분광 영상 이미징 방법 및 그 장치
Orieux et al. Bayesian estimation for optimized structured illumination microscopy
US9817224B2 (en) Methods and systems for Fourier ptychographic imaging
JP5268257B2 (ja) イメージガイドを通じて取得した共焦点画像の超解像度方法および装置、並びにこの方法を実施するための機器
CN102438102B (zh) 基于压缩编码孔径的超分辨率成像方法
US11022731B2 (en) Optical phase retrieval systems using color-multiplexed illumination
CN101865673B (zh) 一种微观光场采集与三维重建方法及装置
JP5506574B2 (ja) 画像処理装置および方法、プログラム。
CN108983579A (zh) 无透镜数字全息显微成像相位恢复和重建的方法及其装置
CN112261315B (zh) 基于相机阵列孔径合成的高分辨率计算成像系统及方法
WO2021217031A1 (en) Ultrafast light field tomography
KR20190088277A (ko) 단일촬영 푸리에 타이코그래피 마이크로스코피 시스템
CN116718271B (zh) 高速高光谱成像系统和方法
US11226293B1 (en) Structured illumination optical inspection platform for transparent materials
CN107727238A (zh) 基于掩膜板调制的红外并行压缩成像系统及成像方法
Li et al. Self-measurements of point-spread function for remote sensing optical imaging instruments
Huang et al. Spectral clustering super-resolution imaging based on multispectral camera array
CN110388882B (zh) 具等向性转换函数之量化微分相位衬度显微系统
CN112907481B (zh) 一种对于噪声鲁棒的高质量无透镜成像方法及系统
CN113223106A (zh) 一种基于深度学习的少角度数字全息层析重建算法
Tayebi et al. Real-time triple field of view interferometry for scan-free monitoring of multiple objects
Li et al. Modulation transfer function measurements using a learning approach from multiple diffractive grids for optical cameras
CN115861206A (zh) 一种用于粒子图像测速的图像成像方法及装置
Qiao et al. Snapshot interferometric 3D imaging by compressive sensing and deep learning
Min et al. Grid-free localization algorithm using low-rank Hankel matrix for super-resolution 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