位置:成果数据库 > 期刊 > 期刊详情页
高斯型点扩展函数估计的最近邻算法
  • ISSN号:1003-501X
  • 期刊名称:《光电工程》
  • 时间:0
  • 分类:TP751[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]四川大学电子信息学院,四川成都610064
  • 相关基金:国家自然科学基金资助项目(60372079)
中文摘要:

本文针对计算光学切片中的最近邻算法提出了一种改进算法。通过小波变换计算出高斯点扩展函数的方差值,再根据相邻图像成像及高斯函数特性,得出所需的高斯型层间点扩展函数。同时,文章还给出了两种高斯型层间点扩展函数方差的获得方式及获得过程,对最近邻算法中的加权因子的取值范围做出了讨论,对传统的最近邻算法做出了改进。实验表明,本算法能够更有效地复原符合最近邻要求的切片图像。在点扩展函数未知的情况下,复原效果要优于传统方法。

英文摘要:

An improved nearest neighbor subtraction algorithm was presented and applied in the Computational Optical Section Microscopy (COSM). Firstly, the variances of Gaussian Point Spread Function (PSF) were calculated by using wavelet transform. Secondly, according to the characteristics of adjacent slices and the Gaussian function, the Gaussian PSF between layers was obtained. Thirdly, two estimation methods and processes acquiring the variances of the Gaussian PSF between layers were presented. Finally, the range of possible value of weighted factor was discussed in details. Experiments show that compared with the traditional nearest-neighbor subtraction algorithm, the new algorithm can restore the blur section images which are in accordance with the nearest-neighbors subtraction algorithm's standard more availably. The restoration results of presented algorithm are better than that of traditional algorithm when the whole or part of PSF is unknown.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《光电工程》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院光电技术研究所 中国光学学会
  • 主编:罗先刚
  • 地址:四川省成都市双流350信箱
  • 邮编:610209
  • 邮箱:oee@ioe.ac.cn
  • 电话:028-85100579
  • 国际标准刊号:ISSN:1003-501X
  • 国内统一刊号:ISSN:51-1346/O4
  • 邮发代号:62-296
  • 获奖情况:
  • 四川省第二次期刊质量考评自然科学期刊学术类质量...,四川省第二届优秀期刊评选科技类期刊三等奖
  • 国内外数据库收录:
  • 美国化学文摘(网络版),荷兰文摘与引文数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:14003