基于深度神经网络的荧光图像解卷积方法及系统

摘要

本发明公开了一种基于深度神经网络的荧光图像解卷积方法及系统，该方法的实现包括：获取快速连续曝光的荧光显微镜的原始图像，并进行预处理后，得到多帧荧光图像在时间轴上的冗余程度，根据冗余程度与预设阈值的关系，选择采用单帧荧光图像解卷积策略或者多帧荧光图像解卷积策略，建立解卷积的能量泛函，并将能量泛函的优化分割为几个子问题；对于去模糊子问题，使用傅里叶变换求解，对于去噪子问题，先进行方差稳定变换，然后由去噪神经网络进行去噪处理，再使用方差稳定变换的反变换还原图像，两个子问题交替迭代。通过本发明将去噪神经网络引入到解卷积过程中，而非手工设计正则项，这样的做法可以复原出更清晰的荧光图像。