光學(xué)掃描全息術(shù)是一種具有實(shí)時(shí)性、高分辨率的數(shù)字全息技術(shù),它能夠獲取熒光細(xì)胞標(biāo)本的三維圖像信息,在生物醫(yī)學(xué)成像領(lǐng)域有廣闊的應(yīng)用前景。本論文結(jié)合理論推導(dǎo)、軟件仿真、實(shí)驗(yàn)驗(yàn)證的方式,對(duì)光學(xué)掃描全息術(shù)中切片物體成像問題進(jìn)行研究與探索,主要從以下幾個(gè)方面進(jìn)行論述。(一)通過二維傅里葉變換,卷積和相關(guān)等數(shù)學(xué)原理對(duì)波動(dòng)方程和菲涅爾衍射定理進(jìn)行推導(dǎo),然后重點(diǎn)對(duì)光學(xué)掃描全息系統(tǒng)中全息圖像的記錄和重建理論進(jìn)行分析,指出光學(xué)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(jìn)程、離焦噪聲的兩種形式,散斑噪聲消除技術(shù)的研究進(jìn)程等,另外對(duì)離焦噪聲的兩種形式進(jìn)行了重點(diǎn)分析。(三)介紹常用圖像評(píng)價(jià)指標(biāo)函數(shù),例如,標(biāo)準(zhǔn)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(píng)價(jià)指標(biāo)函數(shù)的自聚焦算法以及改進(jìn)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(shí)驗(yàn)驗(yàn)證相結(jié)合的方式來(lái)驗(yàn)證算法的性能。(四)首先簡(jiǎn)要介紹機(jī)器學(xué)習(xí)的概念,發(fā)展進(jìn)程等,然后介紹了一種無(wú)監(jiān)督學(xué)習(xí)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(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)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(xué)掃描全息術(shù)的概述和特點(diǎn)
    1.3 光學(xué)掃描全息術(shù)的國(guó)內(nèi)外研究歷史與現(xiàn)狀
    1.4 光學(xué)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(xué)掃描全息理論
    2.1 相關(guān)數(shù)學(xué)原理及推導(dǎo)
        2.1.1 二維傅里葉變換
        2.1.2 卷積和相關(guān)
        2.1.3 波動(dòng)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(xué)傳遞函數(shù)
        2.2.2 光學(xué)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(xué)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(jìn)展
    3.2 光學(xué)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(jìn)展
    3.3 本章小結(jié)
第四章 基于圖像評(píng)價(jià)指標(biāo)函數(shù)的自聚焦算法
    4.1 圖像評(píng)價(jià)指標(biāo)函數(shù)
        4.1.1 梯度法基本理論
        4.1.2 基于圖像統(tǒng)計(jì)的評(píng)價(jià)指標(biāo)函數(shù)
        4.1.3 基于相關(guān)性的評(píng)價(jià)指標(biāo)函數(shù)
        4.1.4 基于差異的評(píng)價(jià)指標(biāo)函數(shù)
        4.1.5 基于圖像熵的評(píng)價(jià)指標(biāo)函數(shù)
        4.1.6 均值梯度函數(shù)
    4.2 基于圖像評(píng)價(jià)指標(biāo)的光學(xué)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(shí)現(xiàn)與結(jié)果分析
        4.3.1 無(wú)重疊切片物體仿真數(shù)據(jù)
        4.3.2 無(wú)重疊切片物體實(shí)驗(yàn)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(shí)現(xiàn)與結(jié)果分析
        4.4.1 邊緣灰度差異函數(shù)實(shí)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(jī)器學(xué)習(xí)的光學(xué)掃描全息離焦噪聲消除算法
    5.1 機(jī)器學(xué)習(xí)
        5.1.1 機(jī)器學(xué)習(xí)的基本概念
        5.1.2 機(jī)器學(xué)習(xí)的發(fā)展歷史
    5.2 無(wú)監(jiān)督學(xué)習(xí)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(xùn)練流程
    5.3 基于SOM神經(jīng)網(wǎng)絡(luò)的光學(xué)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(xué)掃描全息離焦噪聲消除算法
        5.3.2 噪聲消除效果常用評(píng)價(jià)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(jiǎn)單字符
        5.4.2 復(fù)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(xiàn)
攻讀碩士學(xué)位期間取得的成果



本文編號(hào)：3807558