一种应用于显微图像的基于物理模型驱动的重聚焦方法

本发明公开了一种应用于显微图像的基于物理模型驱动的重聚焦方法，属于信息领域中的计算机视觉技术，其技术特征在于：针对于不在聚焦范围内的离焦图像，可以利用对聚焦离焦图像对的配准。进一步，然后输入到融合Richardson‑Lucy算法的U‑Net神经网络模型中进行虚拟重聚焦，聚焦的图像作为标签图像作为监督，输入的离焦图像通过网络层层的下采样提取特征，上采样恢复图像尺寸和学习特征，再经过损失函数的计算，和反向传播一步步优化网络，就可以达到网络对于离焦图像与聚焦图像之间的映射关系的学习。该方法的优势在于在不对显微镜现有系统的更改之下，对正负离焦严重的图像进行数字重聚焦仅使用神经网络就可以获得聚焦图像，并且重聚焦图像与真实聚焦图像在SSIM和PSNR方面具有较高数值。而且本发明对硬件环境条件没有特别要求，只需预先对部分数据集获取和处理。并且融合了Richardson‑Lucy算法，使网络模型的可解释性增强并提高了虚拟重聚焦的效果。