基于反卷积和解混的显微荧光高光谱图像的分析方法与设计方案.pdf

本技术公开了一种基于反卷积和解混的显微荧光高光谱图像的分析方法，涉及医学成像技术

3D

领域，本技术包括建立丰度矩阵和端元矩阵，将高光谱原图展平为二维图像，基于丰度

矩阵和端元矩阵建立二维图像混合公式模型；将二维图像混合公式模型转换为一维向量模

型；基于一维向量模型对待分析高光谱观测图像进行建模，得到端元矩阵已知的高光谱观测

Huber

图像的观测模型；基于函数和观测模型构建成本函数，求解使成本函数最小化的非负

的最优丰度向量；将最优丰度向量还原为空间图像，得到精准的丰度图像，本技术结合非

Huber

负、解混、反卷积和函数的性能，以及丰度图像的特性，一次性完成解混和优化分辨

率，极大提高了高光谱图像解混的精确度。

权利要求书

1.

一种基于反卷积和解混的显微荧光高光谱图像的分析方法，其特征在于，包括：

建立丰度矩阵和端元矩阵，将3D高光谱原图展平为二维图像，基于丰度矩阵和端元矩阵建

立二维图像混合公式模型；

将二维图像混合公式模型转换为一维向量模型；

基于一维向量模型对待分析高光谱观测图像进行建模，得到端元矩阵已知的高光谱观测图

像的观测模型；

Huber

基于函数和观测模型构建成本函数，求解使得成本函数最小化的非负的最优丰度向

量；

将求得的最优丰度向量还原为空间图像，即可得到精准的丰度图像。

2.1

根据权利要求所述的一种基于反卷积和解混的显微荧光高光谱图像的分析方法，其特征

在于，所述二维图像混合公式模型结构为：

其中，丰度矩阵为：

端元矩阵为：

表示混合得到的二维矩阵，表示二维中的一个空间维度的长度，表示端元或丰度的个数，表

示波长；表示大小为的单位矩阵。

3.2

根据权利要求所述的一种基于反卷积和解混的显微荧光高光谱图像的分析方法，其特征

在于，所述一维向量模型结构为：

其中，表示的一维向量，表示丰度矩阵的一维向量，即丰度向量；表示另一个空间维度的长

度，表示大小为的单位矩阵。

4.3

根据权利要求所述的一种基于反卷积和解混的显微荧光高光谱图像的分析方法，其特征

在于，所述高光谱观测图像的观测模型结构为：

其中，表示待分析高光谱观测图像，表示大小为的卷积核，表示噪音干扰。

5.4

根据权利要求所述的一种基于反卷积和解混的显微荧光高光谱图像的分析方法，其特征

在于，所述成本函数的结构为：

Huber

其中，表示拟合成本，表示函数，表示权重参数，表示向量的第个元素，表示大小

为的单位矩阵，表示端元或丰度的个数，表示大小为的拉普拉斯边检测器，为预设的超参

数。

6.5

根据权利要求所述的一种基于反卷积和解混的显微荧光高光谱图像的分析方法，其特征

--

在于，所述拉普拉斯边检测器为一个循坏块循环矩阵，其内核为：。

7.5

根据权利要求所述的一种基于反卷积和解混的显微荧光高光谱图像的分析方法，其特征

ADMM

在于，基于迭代交替方向乘子算法对使得成本函数最小化的非负的丰度向量进行求

解。

8.7

根据权利要求所述的一种基于反卷积和解混的显微荧光高光谱图像的分析方法，其特征

在于，将求解使得成本函数最小化的非负的丰度向量表示为，基于迭代交替方向乘子算法

ADMM

则得到计算式：

其中，均为辅助变量，且表示拉格朗日乘数，均为权重参数。

9.8

根据权利要求所述的一种基于反卷积和解混的显微荧光高光谱图像的分析方法，其特征

在于，运用内循环和外循环对所述计算式进行求解，其中表示预设的循环次数，具体为：

内循环过程：

1）固定，求取使得最小化的；

2）固定，求取使得最小化的；

3）更新；

4）更新权重参数，令，进行下一轮迭代，直至达到循环次数，完成一次内循环迭代；

外循环过程：

a）当内循环完成一次迭代后，在外循环中更新权重参