基于仿真数据及可学习下降算法的低质量荧光显微图像重建方法

本发明公开了一种基于仿真数据及可学习下降算法的低质量荧光显微图像重建方法，通过双层优化框架结合保真项与正则项的联合优化机制，实现低信噪比三维荧光显微图像的高效重建，结合了深度学习和优化算法，通过学习式正则化项和迭代优化相结合的方式，能够有效去噪并恢复荧光显微图像的高分辨率细节，从而提升图像质量，减少噪声干扰，并在低信噪比的情况下获得更为准确的图像重建结果。其较强的泛化能力，能够在少量仿真数据上训练，在真实数据推断中取得良好效果，减少对大规模真实数据集的依赖，算法通过物理意义明确的正则化项与保真项，建立了输入与输出之间的清晰关系，整个迭代过程遵循严格的数学原理，具备良好的可解释性。