本發(fā)明涉及計(jì)算攝像及機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法及系統(tǒng)。

背景技術(shù)：

光場(chǎng)成像作為成像技術(shù)中的一個(gè)新的方向，可以實(shí)現(xiàn)拍攝后無(wú)需機(jī)械對(duì)焦，而是通過圖像處理計(jì)算實(shí)現(xiàn)再聚焦，并且可以實(shí)現(xiàn)3D重建和多目標(biāo)點(diǎn)聚焦等，這一特點(diǎn)使得其在未來(lái)生活以及顯微成像領(lǐng)域有很大運(yùn)用。

在傳統(tǒng)相機(jī)或顯微鏡的主透鏡和成像面之間加入一個(gè)微透鏡陣列，例如圖1所示，采用這種裝置得到圖像即為光場(chǎng)成像，該相機(jī)可以同時(shí)捕捉到空間和角度信息，即光場(chǎng)的四維信息。這樣，在一次曝光后記錄到的光場(chǎng)利用后續(xù)處理可以達(dá)到原成像物體的信息。裝置得到的最終圖像分辨率受到微透鏡個(gè)數(shù)影響，像素?cái)?shù)受限于微透鏡個(gè)數(shù)；縱向分辨率受到物鏡NA等因素影響。

通常后續(xù)處理采用點(diǎn)擴(kuò)散函數(shù)建模，前向逆向推導(dǎo)迭代的方法，該方法模擬光線傳播過程，對(duì)穿過物鏡以及微透鏡的光線傳播進(jìn)行建模獲得PSF矩陣，利用微透鏡陣列得到的光場(chǎng)圖像與該矩陣進(jìn)行解卷積計(jì)算，得到重建三維圖像信息。這種方法需要對(duì)成像系統(tǒng)進(jìn)行較為準(zhǔn)確的數(shù)據(jù)擬合和假設(shè)，包括假設(shè)光線為波長(zhǎng)一致的單色光、單一傳播介質(zhì)折射率的要求。這一圖像重建方法不能有效應(yīng)對(duì)折射率變化的介質(zhì)或弱散射情況，縱向分辨率不易提高，受到建模的制約。另外，該方法需要進(jìn)行大量迭代計(jì)算，較為耗時(shí)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明旨在至少解決上述技術(shù)問題之一。

為此，本發(fā)明的一個(gè)目的在于提出一種基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法，該方法通過對(duì)光場(chǎng)圖像和不同層對(duì)焦圖像的學(xué)習(xí)得到圖像恢復(fù)重建網(wǎng)絡(luò)，從而提高三維重建速度和分辨率，大大提升縱向分辨率。

本發(fā)明的另一個(gè)目的在于提出一種基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建系統(tǒng)。

為了實(shí)現(xiàn)上述目的，本發(fā)明第一方面的實(shí)施例提出了一種基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法，包括以下步驟：構(gòu)建神經(jīng)網(wǎng)絡(luò)；獲取所述神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集；根據(jù)所述訓(xùn)練集對(duì)所述神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以得到網(wǎng)絡(luò)參數(shù)；根據(jù)所述網(wǎng)絡(luò)參數(shù)，對(duì)待重建的物體進(jìn)行三維重建，以得到重建圖像。

另外，根據(jù)本發(fā)明上述實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法還可以具有如下附加的技術(shù)特征：

在一些示例中，所述獲取所述神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集，進(jìn)一步包括：通過待重建物體各聚焦面圖像以及通過微透鏡陣列的光場(chǎng)圖像獲取所述神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集。

在一些示例中，所述根據(jù)所述網(wǎng)絡(luò)參數(shù)，對(duì)待重建的物體進(jìn)行三維重建，進(jìn)一步包括：將所述待重建的物體的光場(chǎng)圖像投入所述神經(jīng)網(wǎng)絡(luò)，以對(duì)所述待重建的物體進(jìn)行三維重建。

在一些示例中，所述神經(jīng)網(wǎng)絡(luò)包括特征提取層、轉(zhuǎn)化層和歸納層。

在一些示例中，所述訓(xùn)練集的數(shù)據(jù)為同一個(gè)微透鏡成像系統(tǒng)獲得的光場(chǎng)圖像及其對(duì)應(yīng)物體的層析圖像。

根據(jù)本發(fā)明實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法，設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，使其能夠在相同微透鏡成像系統(tǒng)成像圖像的原始數(shù)據(jù)，即相同的待恢復(fù)光場(chǎng)圖像質(zhì)量下，得到分辨率更高的三維圖像。同時(shí)，該方法普適性強(qiáng)，對(duì)于所有的樣本，使用相同的一套微透鏡陣列顯微成像系統(tǒng)和神經(jīng)網(wǎng)絡(luò)即可。也即，該方法通過對(duì)光場(chǎng)圖像和不同層對(duì)焦圖像的學(xué)習(xí)得到圖像恢復(fù)重建網(wǎng)絡(luò)，從而提高三維重建速度和分辨率，降低對(duì)成像系統(tǒng)的數(shù)據(jù)要求，大大提升縱向分辨率，具有魯棒性強(qiáng)，計(jì)算量小，不需要對(duì)樣本的預(yù)知信息，不需要對(duì)硬件系統(tǒng)的大量擬合，控制實(shí)現(xiàn)簡(jiǎn)單，成像速度快的優(yōu)點(diǎn)。

為了實(shí)現(xiàn)上述目的，本發(fā)明第二方面的實(shí)施例提出了一種基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建系統(tǒng)，包括：構(gòu)建模塊，用于構(gòu)建神經(jīng)網(wǎng)絡(luò)；獲取模塊，用于獲取所述神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集；訓(xùn)練模塊，用于根據(jù)所述訓(xùn)練集對(duì)所述神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以得到網(wǎng)絡(luò)參數(shù)；重建模塊，用于根據(jù)所述網(wǎng)絡(luò)參數(shù)，對(duì)待重建的物體進(jìn)行三維重建，以得到重建圖像。

另外，根據(jù)本發(fā)明上述實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建系統(tǒng)還可以具有如下附加的技術(shù)特征：

在一些示例中，所述獲取模塊用于通過待重建物體各聚焦面圖像以及通過微透鏡陣列的光場(chǎng)圖像獲取所述神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集。

在一些示例中，所述重建模塊用于將所述待重建的物體的光場(chǎng)圖像投入所述神經(jīng)網(wǎng)絡(luò)，以對(duì)所述待重建的物體進(jìn)行三維重建。

在一些示例中，所述神經(jīng)網(wǎng)絡(luò)包括特征提取層、轉(zhuǎn)化層和歸納層。

在一些示例中，所述訓(xùn)練集的數(shù)據(jù)為同一個(gè)微透鏡成像系統(tǒng)獲得的光場(chǎng)圖像及其對(duì)應(yīng)物體的層析圖像。

根據(jù)本發(fā)明實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建系統(tǒng)，設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，使其能夠在相同微透鏡成像系統(tǒng)成像圖像的原始數(shù)據(jù)，即相同的待恢復(fù)光場(chǎng)圖像質(zhì)量下，得到分辨率更高的三維圖像。同時(shí)，該系統(tǒng)普適性強(qiáng)，對(duì)于所有的樣本，使用相同的一套微透鏡陣列顯微成像系統(tǒng)和神經(jīng)網(wǎng)絡(luò)即可。也即，該系統(tǒng)通過對(duì)光場(chǎng)圖像和不同層對(duì)焦圖像的學(xué)習(xí)得到圖像恢復(fù)重建網(wǎng)絡(luò)，從而提高三維重建速度和分辨率，降低對(duì)成像系統(tǒng)的數(shù)據(jù)要求，大大提升縱向分辨率，具有魯棒性強(qiáng)，計(jì)算量小，不需要對(duì)樣本的預(yù)知信息，不需要對(duì)硬件系統(tǒng)的大量擬合，控制實(shí)現(xiàn)簡(jiǎn)單，成像速度快的優(yōu)點(diǎn)。

本發(fā)明的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。

附圖說(shuō)明

本發(fā)明的上述和/或附加的方面和優(yōu)點(diǎn)從結(jié)合下面附圖對(duì)實(shí)施例的描述中將變得明顯和容易理解，其中：

圖1是現(xiàn)有技術(shù)中的微透鏡陣列法的成像示意圖；

圖2是本發(fā)明實(shí)施例的單個(gè)神經(jīng)元的示意圖；

圖3是本發(fā)明實(shí)施例的神經(jīng)網(wǎng)絡(luò)的示意圖；

圖4是根據(jù)本發(fā)明實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法的流程圖；

圖5是根據(jù)本發(fā)明一個(gè)實(shí)施例的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；以及

圖6是根據(jù)本發(fā)明一個(gè)具體實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法的仿真復(fù)原效果示意圖；

圖7是根據(jù)本發(fā)明實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建系統(tǒng)的結(jié)構(gòu)框圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。

在本發(fā)明的描述中，需要理解的是，術(shù)語(yǔ)“中心”、“縱向”、“橫向”、“上”、“下”、“前”、“后”、“左”、“右”、“豎直”、“水平”、“頂”、“底”、“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明和簡(jiǎn)化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對(duì)本發(fā)明的限制。此外，術(shù)語(yǔ)“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對(duì)重要性。

在本發(fā)明的描述中，需要說(shuō)明的是，除非另有明確的規(guī)定和限定，術(shù)語(yǔ)“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機(jī)械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個(gè)元件內(nèi)部的連通。對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語(yǔ)在本發(fā)明中的具體含義。

以下結(jié)合附圖描述根據(jù)本發(fā)明實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法及系統(tǒng)。

在描述本發(fā)明實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法之前，首先對(duì)深度學(xué)習(xí)及神經(jīng)網(wǎng)絡(luò)進(jìn)行相關(guān)的描述。

具體地，深度學(xué)習(xí)是計(jì)算機(jī)科學(xué)機(jī)器學(xué)習(xí)領(lǐng)域中一個(gè)新的方向，通過學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，在學(xué)習(xí)中獲得對(duì)諸如文字、圖像等數(shù)據(jù)的解釋，模擬動(dòng)物神經(jīng)中樞系統(tǒng)的計(jì)算模型，通過大量相互連接的神經(jīng)元進(jìn)行計(jì)算，用來(lái)對(duì)輸入與輸出的復(fù)雜關(guān)系進(jìn)行建模。單個(gè)神經(jīng)元是一個(gè)運(yùn)算單元，如圖2所示，其輸入是訓(xùn)練樣本x1,x2,x3以及偏置項(xiàng)，輸出結(jié)果是輸入通過激活函數(shù)f之后的結(jié)果。將多個(gè)神經(jīng)元連接在一起，一個(gè)神經(jīng)元的輸出作為下個(gè)神經(jīng)元的輸入，成為神經(jīng)網(wǎng)絡(luò)，如圖3所示。每層輸出作為下層輸入傳播的步驟作為前向傳播的過程，便可得到神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)處理的最終結(jié)果。而訓(xùn)練該神經(jīng)網(wǎng)絡(luò)內(nèi)部函數(shù)的各項(xiàng)參數(shù)的過程即為學(xué)習(xí)過程，通過將數(shù)據(jù)集前向傳播結(jié)果與已知標(biāo)簽的帶入代價(jià)函數(shù)進(jìn)行計(jì)算，利用反向傳播算法優(yōu)化網(wǎng)絡(luò)參數(shù)，使得該代價(jià)函數(shù)獲得最小值，即使得結(jié)果最大程度與標(biāo)簽擬合。學(xué)習(xí)得到的最終結(jié)果使神經(jīng)網(wǎng)絡(luò)達(dá)到最優(yōu)，從而能夠?qū)?shù)據(jù)進(jìn)行相同需求的處理。

基于此，本發(fā)明的實(shí)施例提出了一種基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法。圖4是根據(jù)本發(fā)明一個(gè)實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法的流程圖。如圖4所示，該方法包括以下步驟：

步驟S1：構(gòu)建神經(jīng)網(wǎng)絡(luò)。

步驟S2：獲取神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集。

具體地，在步驟S2中，獲取神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集，進(jìn)一步包括：通過待重建物體各聚焦面圖像以及通過微透鏡陣列的光場(chǎng)圖像獲取神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集。

步驟S3：根據(jù)訓(xùn)練集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以得到網(wǎng)絡(luò)參數(shù)。

步驟S4：根據(jù)網(wǎng)絡(luò)參數(shù)，對(duì)待重建的物體進(jìn)行三維重建，以得到重建圖像。

具體地，在步驟S4中，根據(jù)網(wǎng)絡(luò)參數(shù)，對(duì)待重建的物體進(jìn)行三維重建，進(jìn)一步包括：將待重建的物體的光場(chǎng)圖像投入神經(jīng)網(wǎng)絡(luò)，以對(duì)待重建的物體進(jìn)行三維重建。

其中，在本發(fā)明的一個(gè)實(shí)施例中，如圖5所示，神經(jīng)網(wǎng)絡(luò)包括特征提取層、轉(zhuǎn)化層和歸納層。具體地，特征提取層將光場(chǎng)圖像數(shù)據(jù)與不同掩膜進(jìn)行卷積計(jì)算，得到轉(zhuǎn)化層的數(shù)據(jù)輸入；轉(zhuǎn)化層將特征與不同掩膜進(jìn)行卷積計(jì)算，得到轉(zhuǎn)化層結(jié)果；歸納層，獲得不同通道下的輸出數(shù)據(jù)，每個(gè)通道即為縱向軸同一位置的一層圖像。需要說(shuō)明的是，神經(jīng)網(wǎng)絡(luò)每層的掩膜個(gè)數(shù)即大小可根據(jù)輸入數(shù)據(jù)和輸出數(shù)據(jù)的要求進(jìn)行調(diào)整，從而獲得最適合的神經(jīng)網(wǎng)絡(luò)。

在本發(fā)明的一個(gè)實(shí)施例中，上述的訓(xùn)練集的數(shù)據(jù)為同一個(gè)微透鏡成像系統(tǒng)獲得的光場(chǎng)圖像及其對(duì)應(yīng)物體的層析圖像，圖像的縱向分辨率影響訓(xùn)練結(jié)果，通過降低層間距離可實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)恢復(fù)的縱向分辨率的提高。

作為具體的示例，圖6展示了本發(fā)明實(shí)施例的方法的實(shí)際仿真復(fù)原效果圖，其中，圖6(a)為原PSF方法得到的低分辨率的輸出圖像，圖6(b)為本發(fā)明實(shí)施例的方法恢復(fù)的高分辨率圖像。從圖6中可以看出，與傳統(tǒng)的PSF方法(點(diǎn)擴(kuò)散函數(shù))相比，本發(fā)明實(shí)施例的方法恢復(fù)圖像縱向分辨率較高、對(duì)成像硬件系統(tǒng)數(shù)據(jù)要求低，并且分辨率高、魯棒性強(qiáng)、普適性強(qiáng)、對(duì)硬件數(shù)據(jù)需求不高。

也就是說(shuō)，本發(fā)明實(shí)施例的方法采用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，通過已有數(shù)據(jù)集進(jìn)行訓(xùn)練，得到網(wǎng)絡(luò)參數(shù)。將單張光場(chǎng)圖像投入網(wǎng)絡(luò)，恢復(fù)三維物體的各層圖像。相比于其他圖像恢復(fù)方法，本發(fā)明的方法魯棒性增強(qiáng)，并且不再依賴于對(duì)樣本和硬件系統(tǒng)的先驗(yàn)知識(shí)，具有普適性，同時(shí)降低了硬件控制的難度。

綜上，根據(jù)本發(fā)明實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法，設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，使其能夠在相同微透鏡成像系統(tǒng)成像圖像的原始數(shù)據(jù)，即相同的待恢復(fù)光場(chǎng)圖像質(zhì)量下，得到分辨率更高的三維圖像。同時(shí)，該方法普適性強(qiáng)，對(duì)于所有的樣本，使用相同的一套微透鏡陣列顯微成像系統(tǒng)和神經(jīng)網(wǎng)絡(luò)即可。也即，該方法通過對(duì)光場(chǎng)圖像和不同層對(duì)焦圖像的學(xué)習(xí)得到圖像恢復(fù)重建網(wǎng)絡(luò)，從而提高三維重建速度和分辨率，降低對(duì)成像系統(tǒng)的數(shù)據(jù)要求，大大提升縱向分辨率，具有魯棒性強(qiáng)，計(jì)算量小，不需要對(duì)樣本的預(yù)知信息，不需要對(duì)硬件系統(tǒng)的大量擬合，控制實(shí)現(xiàn)簡(jiǎn)單，成像速度快的優(yōu)點(diǎn)。

本發(fā)明的進(jìn)一步實(shí)施例還提出了一種基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建系統(tǒng)。

圖7是根據(jù)本發(fā)明一個(gè)實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建系統(tǒng)的結(jié)構(gòu)框圖。如圖7所示，該系統(tǒng)100包括：構(gòu)建模塊110、獲取模塊120、訓(xùn)練模塊130及重建模塊140。

其中，構(gòu)建模塊110用于構(gòu)建神經(jīng)網(wǎng)絡(luò)。

獲取模塊120用于獲取神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集。

具體地，獲取模塊120用于通過待重建物體各聚焦面圖像以及通過微透鏡陣列的光場(chǎng)圖像獲取神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集。

訓(xùn)練模塊130用于根據(jù)訓(xùn)練集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以得到網(wǎng)絡(luò)參數(shù)。

重建模塊140用于根據(jù)網(wǎng)絡(luò)參數(shù)，對(duì)待重建的物體進(jìn)行三維重建，以得到重建圖像。

具體地，重建模塊140用于將待重建的物體的光場(chǎng)圖像投入神經(jīng)網(wǎng)絡(luò)，以對(duì)待重建的物體進(jìn)行三維重建。

其中，在本發(fā)明的一個(gè)實(shí)施例中，神經(jīng)網(wǎng)絡(luò)包括特征提取層、轉(zhuǎn)化層和歸納層。具體地，特征提取層將光場(chǎng)圖像數(shù)據(jù)與不同掩膜進(jìn)行卷積計(jì)算，得到轉(zhuǎn)化層的數(shù)據(jù)輸入；轉(zhuǎn)化層將特征與不同掩膜進(jìn)行卷積計(jì)算，得到轉(zhuǎn)化層結(jié)果；歸納層，獲得不同通道下的輸出數(shù)據(jù)，每個(gè)通道即為縱向軸同一位置的一層圖像。需要說(shuō)明的是，神經(jīng)網(wǎng)絡(luò)每層的掩膜個(gè)數(shù)即大小可根據(jù)輸入數(shù)據(jù)和輸出數(shù)據(jù)的要求進(jìn)行調(diào)整，從而獲得最適合的神經(jīng)網(wǎng)絡(luò)。

在本發(fā)明的一個(gè)實(shí)施例中，上述的訓(xùn)練集的數(shù)據(jù)為同一個(gè)微透鏡成像系統(tǒng)獲得的光場(chǎng)圖像及其對(duì)應(yīng)物體的層析圖像，圖像的縱向分辨率影響訓(xùn)練結(jié)果，通過降低層間距離可實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)恢復(fù)的縱向分辨率的提高。

需要說(shuō)明的是，本發(fā)明實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建系統(tǒng)的具體實(shí)現(xiàn)方式與本發(fā)明實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建方法的具體實(shí)現(xiàn)方式類似，具體請(qǐng)參見方法部分的描述，為了減少冗余，此處不再贅述。

綜上，根據(jù)本發(fā)明實(shí)施例的基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的顯微圖像三維重建系統(tǒng)，設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，使其能夠在相同微透鏡成像系統(tǒng)成像圖像的原始數(shù)據(jù)，即相同的待恢復(fù)光場(chǎng)圖像質(zhì)量下，得到分辨率更高的三維圖像。同時(shí)，該系統(tǒng)普適性強(qiáng)，對(duì)于所有的樣本，使用相同的一套微透鏡陣列顯微成像系統(tǒng)和神經(jīng)網(wǎng)絡(luò)即可。也即，該系統(tǒng)通過對(duì)光場(chǎng)圖像和不同層對(duì)焦圖像的學(xué)習(xí)得到圖像恢復(fù)重建網(wǎng)絡(luò)，從而提高三維重建速度和分辨率，降低對(duì)成像系統(tǒng)的數(shù)據(jù)要求，大大提升縱向分辨率，具有魯棒性強(qiáng)，計(jì)算量小，不需要對(duì)樣本的預(yù)知信息，不需要對(duì)硬件系統(tǒng)的大量擬合，控制實(shí)現(xiàn)簡(jiǎn)單，成像速度快的優(yōu)點(diǎn)。

在本說(shuō)明書的描述中，參考術(shù)語(yǔ)“一個(gè)實(shí)施例”、“一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說(shuō)明書中，對(duì)上述術(shù)語(yǔ)的示意性表述不一定指的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任何的一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。

盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，本領(lǐng)域的普通技術(shù)人員可以理解：在不脫離本發(fā)明的原理和宗旨的情況下可以對(duì)這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由權(quán)利要求及其等同限定。