留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于随机采样的超高分辨率成像中快速压缩感知分析

王中阳 周燕飞 张小伟 沈灏 李恩荣 韩申生 宓现强 田立君 彭玉峰

王中阳, 周燕飞, 张小伟, 沈灏, 李恩荣, 韩申生, 宓现强, 田立君, 彭玉峰. 基于随机采样的超高分辨率成像中快速压缩感知分析[J]. 红外与激光工程, 2017, 46(2): 201002-0201002(7). doi: 10.3788/IRLA201746.0201002
引用本文: 王中阳, 周燕飞, 张小伟, 沈灏, 李恩荣, 韩申生, 宓现强, 田立君, 彭玉峰. 基于随机采样的超高分辨率成像中快速压缩感知分析[J]. 红外与激光工程, 2017, 46(2): 201002-0201002(7). doi: 10.3788/IRLA201746.0201002
Wang Zhongyang, Zhou Yanfei, Zhang Xiaowei, Shen Hao, Li Enrong, Han Shensheng, Mi Xianqiang, Tian Lijun, Peng Yufeng. Fast compressed sensing analysis for super-resolution imaging using random sampling operator[J]. Infrared and Laser Engineering, 2017, 46(2): 201002-0201002(7). doi: 10.3788/IRLA201746.0201002
Citation: Wang Zhongyang, Zhou Yanfei, Zhang Xiaowei, Shen Hao, Li Enrong, Han Shensheng, Mi Xianqiang, Tian Lijun, Peng Yufeng. Fast compressed sensing analysis for super-resolution imaging using random sampling operator[J]. Infrared and Laser Engineering, 2017, 46(2): 201002-0201002(7). doi: 10.3788/IRLA201746.0201002

基于随机采样的超高分辨率成像中快速压缩感知分析

doi: 10.3788/IRLA201746.0201002
基金项目: 

国家重点研发计划(Y615852B01);上海市科委项目(Y431561D01,Y4340P1D02)

详细信息
    作者简介:

    王中阳(1969-),男,研究员,主要从事超分辨荧光成像和光存储技术、纳米结构量子器件和能量转移转换机制方面的研究。Email:wangzy@sari.ac.cn

    通讯作者: 沈灏(1985-),男,助理研究员,工程师。Email:shenh@sari.ac.cn;shenhao@bocom.cn;韩申生(1978-),男,研究员,博士。Email:sshan@mail.shcnc.ac.cn; 沈灏(1985-),男,助理研究员,工程师。Email:shenh@sari.ac.cn;shenhao@bocom.cn;韩申生(1978-),男,研究员,博士。Email:sshan@mail.shcnc.ac.cn
  • 中图分类号: Q334

Fast compressed sensing analysis for super-resolution imaging using random sampling operator

  • 摘要: 随着近年来超分辨成像技术的发展,基于单分子拟合的超分辨成像方法能够实现纳米尺度的空间分辨率,但这种方法的耗时较长,时间分辨率较差。成像重构时间较长主要受制于成像过程中每帧图像较低的荧光分子密度,所以需要足够多的采样帧数来重构一张图像。文中提出一种利用随机采样的快速压缩感知算法,结合分块压缩感知重构算法,最终能够在高分子密度的条件下获得较快的重构速度及较高的定位精度。
  • [1] Hell S W, Wichmann J. Breaking the diffraction resolution limit by stimulated emission:stimulated-emission-depletion fluorescence microscopy[J]. Optics Letters, 1994, 19(11):780-782.
    [2] Klar T A, Hell S W. Subdiffraction resolution in far-field fluorescence microscopy[J]. Optics Letters, 1999, 24(14):954-956.
    [3] Hofmann W, Gawronski B, Gschwendner T, et al. A meta-analysis on the correlation between the Implicit Association Test and explicit self-report measures[J]. Personality and Social Psychology Bulletin, 2005, 31(10):1369-1385.
    [4] Gustafsson F, Gunnarsson F, Bergman N, et al. Particle filters for positioning, navigation, and tracking[J]. IEEE Transactions on Signal Processing, 2002, 50(2):425-437.
    [5] Heintzmann R, Jovin T M, Cremer C. Saturated patterned excitation microscopy-a concept for optical resolution improvement[J]. JOSA A, 2002, 19(8):1599-1609.
    [6] Rust M J, Bates M, Zhuang X. Sub-diffraction-limit imaging by stochastic optical reconstruction microscopy (STORM)[J]. Nature Methods, 2006, 3(10):793-796.
    [7] Betzig E, Patterson G H, Sougrat R, et al. Imaging intracellular fluorescent proteins at nanometer resolution[J]. Science, 2006, 313(5793):1642-1645.
    [8] Hess S T, Girirajan T P K, Mason M D. Ultra-high resolution imaging by fluorescence photoactivation localization microscopy[J]. Biophysical Journal, 2006, 91(11):4258-4272.
    [9] Bates M, Huang B, Dempsey G T, et al. Multicolor super-resolution imaging with photo-switchable fluorescent probes[J]. Science, 2007, 317(5845):1749-1753.
    [10] Dani A, Huang B, Bergan J, et al. Superresolution imaging of chemical synapses in the brain[J]. Neuron, 2010, 68(5):843-856.
    [11] Xu K, Zhong G, Zhuang X. Actin, spectrin, and associated proteins form a periodic cytoskeletal structure in axons[J]. Science, 2013, 339(6118):452-456.
    [12] Wang W, Li G W, Chen C, et al. Chromosome organization by a nucleoid-associated protein in live bacteria[J]. Science, 2011, 333(6048):1445-1449.
    [13] Chen D, Yu B, Qu J, et al. Background suppression by axially selective activation in single-molecule localization microscopy[J]. Optics Letters, 2010, 35(6):886-888.
    [14] Zhang Shichao, Li Simin, Yang Guang, et al. Optimization of single molecules axial localization precision in 3D stochastic optical reconstruction microscopy[J]. Acta Photonica Sinica, 2015, 44(10):1-6. 张世超, 李思黾, 杨光, 等. 3D-STORM超分辨成像中单分子轴向定位精度优化研究[J]. 光子学报, 2015, 44(10):1-6.
    [15] Huang B, Babcock H, Zhuang X. Breaking the diffraction barrier:super-resolution imaging of cells[J]. Cell, 2010, 143(7):1047-1058.
    [16] Hell S W. Far-field optical nanoscopy[J]. Science, 2007, 316(5828):1153-1158.
    [17] Jones S A, Shim S H, He J, et al. Fast, three-dimensional super-resolution imaging of live cells[J]. Nature Methods, 2011, 8(6):499-505.
    [18] Daostorm S S. DAOSTORM:an algorithm for high-density super-resolution microscopy[J]. Nat Methods, 2011, 8:279.
    [19] Ovesny M, Krzek P, Borkovec J, et al. ThunderSTORM:a comprehensive ImageJ plug-in for PALM and STORM data analysis and super-resolution imaging[J]. Bioinformatics, 2014, 30(16):2389-2390.
    [20] Quan T, Zhu H, Liu X, et al. High-density localization of active molecules using Structured Sparse Model and Bayesian Information Criterion[J]. Optics Express, 2011, 19(18):16963-16974.
    [21] Zhu L, Zhang W, Elnatan D, et al. Faster STORM using compressed sensing[J]. Nature Methods, 2012, 9(7):721-723.
    [22] Babcock H P, Moffitt J R, Cao Y, et al. Fast compressed sensing analysis for super-resolution imaging using L1-homotopy[J]. Optics Express, 2013, 21(23):28583-28596.
    [23] Du Y, Zhang H, Zhao M, et al. Faster super-resolution imaging of high density molecules via a cascading algorithm based on compressed sensing[J]. Optics Express, 2015, 23(14):18563-18576.
    [24] Shen H, Gan L, Newman N, et al. Spinning disk for compressive imaging[J]. Optics Letters, 2012, 37(1):46-48.
    [25] Wu J, Shen X, Hu Y, et al. Snapshot compressive imaging by phase modulation[J]. Acta Photonica Sinica, 2014, 34(10):1011005.
    [26] Cands E J, Romberg J, Tao T. Robust uncertainty principles:Exact signal reconstruction from highly incomplete frequency information[J]. IEEE Transactions on Information Theory, 2006, 52(2):489-509.
    [27] Zhu L, Lee L, Ma Y, et al. Using total-variation regularization for intensity modulated radiation therapy inverse planning with field-specific numbers of segments[J]. Physics in Medicine and Biology, 2008, 53(23):6653.
    [28] Neifeld M A, Ke J. Optical architectures for compressive imaging[J]. Applied Optics, 2007, 46(22):5293-5303.
    [29] Donoho D L. Compressed sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4):1289-1306.
    [30] Fienup J R. Phase retrieval algorithms:a comparison[J]. Applied Optics, 1982, 21(15):2758-2769.
    [31] Gan L. Block compressed sensing of natural images[C]//200715th International conference on digital signal processing, IEEE, 2007:403-406.
    [32] Candes E J, Romberg J K. Signal recovery from random projections[C]//Electronic Imaging 2005, International Society for Optics and Photonics, 2005:76-86.
    [33] Haykin S. Adaptive Filter Theory[M]. 3rd ed. NJ:Prentice-Hall, 1996.
    [34] Duarte M F, Eldar Y C. Structured compressed sensing:From theory to applications[J]. IEEE Transactions on Signal Processing, 2011, 59(9):4053-4085.
    [35] Xu X, Li E, Shen X, et al. Optimization of speckle patterns in ghost imaging via sparse constraints by mutual coherence minimization[J]. Chinese Optics Letters, 2015, 13(7):071101.
    [36] Liu Z, Tan S, Wu J, et al. Spectral camera based on ghost imaging via sparsity constraints[J]. Scientific Reports, 2016, 6:25718.
  • [1] 孙强, 戴鹭楠, 应恺宁, 倪辰荫.  二分搜索和压缩感知在激光超声内部缺陷快速检测技术的应用 . 红外与激光工程, 2022, 51(2): 20210810-1-20210810-13. doi: 10.3788/IRLA20210810
    [2] 罗海波, 张俊超, 盖兴琴, 刘燕.  偏振成像技术的发展现状与展望(特邀) . 红外与激光工程, 2022, 51(1): 20210987-1-20210987-10. doi: 10.3788/IRLA20210987
    [3] 黄见, 时东锋, 孟文文, 查林彬, 孙宇松, 苑克娥, 胡顺星, 王英俭.  光谱编码计算关联成像技术研究 . 红外与激光工程, 2021, 50(1): 20200120-1-20200120-8. doi: 10.3788/IRLA20200120
    [4] 翟鑫亮, 吴晓燕, 孙艺玮, 石剑虹, 曾贵华.  单像素成像理论与方法(特邀) . 红外与激光工程, 2021, 50(12): 20211061-1-20211061-14. doi: 10.3788/IRLA20211061
    [5] 刘瑞丰, 赵书朋, 李福利.  单像素复振幅成像(特邀) . 红外与激光工程, 2021, 50(12): 20210735-1-20210735-16. doi: 10.3788/IRLA20210735
    [6] 张赛文, 邓亚琦, 王冲, 冷潇泠, 张光富, 文兵, 邓杨保, 谭伟石, 田野, 李稳国.  基于多测量矢量压缩感知的超分辨荧光显微成像研究 . 红外与激光工程, 2021, 50(11): 20210484-1-20210484-8. doi: 10.3788/IRLA20210484
    [7] 由四海, 王宏力, 冯磊, 何贻洋, 许强.  基于小波变换与压缩感知的脉冲星TOA估计 . 红外与激光工程, 2020, 49(2): 0226001-0226001. doi: 10.3788/IRLA202049.0226001
    [8] 孙鸣捷, 张佳敏.  单像素成像及其在三维重建中的应用 . 红外与激光工程, 2019, 48(6): 603003-0603003(11). doi: 10.3788/IRLA201948.0603003
    [9] 时东锋, 黄见, 苑克娥, 王英俭, 谢晨波, 刘东, 朱文越.  空间编码复用散斑多信息融合关联成像(特邀) . 红外与激光工程, 2018, 47(5): 502001-0502001(8). doi: 10.3788/IRLA201847.0502001
    [10] 尹红飞, 郭亮, 周煜, 孙剑锋, 曾晓东, 唐禹, 邢孟道.  基于改进SVA和压缩感知的SAL旁瓣抑制算法 . 红外与激光工程, 2018, 47(12): 1230005-1230005(8). doi: 10.3788/IRLA201847.1230005
    [11] 王忠良, 冯文田, 粘永健.  结合光谱解混与压缩感知的高光谱图像有损压缩 . 红外与激光工程, 2018, 47(S1): 189-196. doi: 10.3788/IRLA201847.S126003
    [12] 申艳, 解颐, 娄淑琴, 王鑫, 赵彤彤.  基于Contourlet变换和压缩感知的实际光子晶体光纤光 . 红外与激光工程, 2017, 46(3): 321001-0321001(7). doi: 10.3788/IRLA201746.0321001
    [13] 袁影, 王晓蕊, 吴雄雄, 穆江浩, 张艳.  多孔径压缩编码超分辨率大视场成像方法 . 红外与激光工程, 2017, 46(8): 824001-0824001(7). doi: 10.3788/IRLA201746.0824001
    [14] 杨新锋, 张金娜, 滕书华, 崔宇.  利用压缩感知实现随机变频雷达散射中心估计 . 红外与激光工程, 2016, 45(5): 526004-0526004(6). doi: 10.3788/IRLA201645.0526004
    [15] 韩申生, 龚文林, 陈明亮, 李恩荣, 薄遵望, 李望, 张惠, 高昕, 邓陈进, 梅笑东, 王成龙.  基于稀疏和冗余表象的鬼成像雷达研究进展 . 红外与激光工程, 2015, 44(9): 2547-2555.
    [16] 赵爱罡, 王宏力, 杨小冈, 陆敬辉, 何星.  融合几何特征的压缩感知SIFT描述子 . 红外与激光工程, 2015, 44(3): 1085-1091.
    [17] 尹继豪, 孙建颖.  基于压缩感知理论的波段重构方法 . 红外与激光工程, 2014, 43(4): 1260-1264.
    [18] 朱丰, 张群, 冯有前, 罗迎, 李开明, 梁必帅.  逆合成孔径激光雷达鸟类目标压缩感知识别方法 . 红外与激光工程, 2013, 42(1): 256-261.
    [19] 谭歆, 冯晓毅, 王保平.  稀疏带状测量矩阵在压缩感知ISAR成像中的应用 . 红外与激光工程, 2013, 42(11): 3137-3143.
    [20] 陈春利, 谢红梅, 彭进业, 王志成, 王保平.  压缩感知机动目标ISAR成像新方法 . 红外与激光工程, 2013, 42(8): 2269-2274.
  • 加载中
计量
  • 文章访问数:  330
  • HTML全文浏览量:  23
  • PDF下载量:  357
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-06-05
  • 修回日期:  2016-07-15
  • 刊出日期:  2017-02-25

基于随机采样的超高分辨率成像中快速压缩感知分析

doi: 10.3788/IRLA201746.0201002
    作者简介:

    王中阳(1969-),男,研究员,主要从事超分辨荧光成像和光存储技术、纳米结构量子器件和能量转移转换机制方面的研究。Email:wangzy@sari.ac.cn

    通讯作者: 沈灏(1985-),男,助理研究员,工程师。Email:shenh@sari.ac.cn;shenhao@bocom.cn;韩申生(1978-),男,研究员,博士。Email:sshan@mail.shcnc.ac.cn; 沈灏(1985-),男,助理研究员,工程师。Email:shenh@sari.ac.cn;shenhao@bocom.cn;韩申生(1978-),男,研究员,博士。Email:sshan@mail.shcnc.ac.cn
基金项目:

国家重点研发计划(Y615852B01);上海市科委项目(Y431561D01,Y4340P1D02)

  • 中图分类号: Q334

摘要: 随着近年来超分辨成像技术的发展,基于单分子拟合的超分辨成像方法能够实现纳米尺度的空间分辨率,但这种方法的耗时较长,时间分辨率较差。成像重构时间较长主要受制于成像过程中每帧图像较低的荧光分子密度,所以需要足够多的采样帧数来重构一张图像。文中提出一种利用随机采样的快速压缩感知算法,结合分块压缩感知重构算法,最终能够在高分子密度的条件下获得较快的重构速度及较高的定位精度。

English Abstract

参考文献 (36)

目录

    /

    返回文章
    返回