瞳孔驱动的定量差分相衬成像
最优化与控制
2023-06-30 v1 光学
摘要
在本研究中,我们揭示了定量差分相衬(qDPC)成像与生俱来但迄今被忽略的特性:其相传递函数是一种边缘检测滤波器。受此启发,我们强调了 qDPC 在光学与模式识别之间的对偶性,并提出了一种简单有效的 qDPC 重建算法,称为瞳孔驱动 qDPC(pd-qDPC),以提升基于 qDPC 的相重建算法族的相位重建质量。我们构造了新的代价函数,其中使用修正 L0 范数表示瞳孔驱动的边缘稀疏性,并在数据保真项中复用 qDPC 卷积算子以实现自动背景去除。进一步,我们基于 split Bregman 方法开发了迭代重加权软阈值算法来求解该修正 L0 范数问题。我们在模拟与实验数据上测试了 pd-qDPC,并与包括 L2 范数、全变分正则化(TV-qDPC)、各向同性 qDPC 和 Retinex qDPC 算法在内的前沿(SOTA)方法比较。结果表明,我们提出的模型在相位重建质量和实现效率上均更优,在保持数据保真的同时显著提升了实验鲁棒性。总体而言,pd-qDPC 无需对光学系统做任何修改即可实现高质量 qDPC 重建,它简化了系统复杂度,并惠及 qDPC 领域及更广范围,包括基于边缘滤波特性的细胞分割与 PTF 学习等。
引用
@article{arxiv.2306.17088,
title = {Pupil-driven quantitative differential phase contrast imaging},
author = {Shuhe Zhang and Hao Wu and Tao Peng and Zeyu Ke and Meng Shao and Tos T. J. M. Berendschot and Jinhua Zhou},
journal= {arXiv preprint arXiv:2306.17088},
year = {2023}
}