基于CUDA和高斯径向基模型的显微图像复原方法研究

【摘要】：显微图像成像过程中,通过将显微镜聚焦到不同深度来得到一系列显微样本图像序列,由于光学系统的影响,每个聚焦层面的图像都会受到散射光的干扰,在轴向上出现较大模糊,从而使得观测图像质量下降。目前可以采用共焦显微镜通过光路隔离大部分的散射光,或者采用宽场显微镜通过反卷积操作去除图像模糊。同共焦显微镜相比,宽场显微镜不会产生光漂白现象且价格便宜,具有较大的灵活性,采用宽场显微镜反卷积操作来去除散射光的干扰是显微图像处理领域的研究热点之一。图像复原或者图像反卷积方法大致可以分为两大类:一类是在已知光学系统点扩展函数的基础上,采用经典复原方法进行复原,其中又可以细分为非邻域法、邻域法、线性法、非线性法、统计法等;另一类是在点扩展函数未知的情况下,采用图像盲复原方法同时辨识点扩展函数和原始图像。论文在前人研究的基础上,分析了图像退化模型,介绍了各种显微图像复原方法,重点提出了一种基于连续高斯径向基插值模型的显微图像复原和处理新方法,并在算法实现过程中采用CUDA进行多线程并行加速。本论文提出的方法通过将原始图像和点扩展函数表达成一致的连续高斯径向基模型,实现了图像反卷积过程的简化和优化。算法理论部分包括连续高斯模型建立、插值稳定性分析、参数优化选取等。采用CUDA对其中求解控制点系数以及重采样等计算量较大的部分进行多线程并行加速。新方法取得了较好的图像反卷积结果,与其他方法相比,在复原质量上也具有一定的优势。本论文理论方法对连续模型下进行图像复原研究具有较大的参考价值,并且有望实现高分辨率的三维图像复原。
【关键词】：共焦显微镜 宽场显微镜 反卷积 点扩展函数 高斯径向基插值 连续模型
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.41