近日，華東(dong) 師範大學張詩按教授課題組提出一種差分壓縮成像型結構光照明超分辨顯微（DCISIM）技術，該技術利用差分圖像增加高頻信息占比，實現超分辨重構圖像質量的提升。論文以封麵文章的形式發表在《激光與(yu) 光電子學進展》“智能光電成像探測”專(zhuan) 題。

一、研究背景

在眾(zhong) 多光學超分辨技術中，結構光照明顯微技術（SIM）具有光損傷(shang) 小、成像速度快等優(you) 勢，被廣泛運用於(yu) 活細胞動態過程的超分辨觀測。但是SIM對采集相機有較高的位深和像素數需求，在目前硬件條件下難以獲得更高的成像幀率，限製了其成像速度的提升。壓縮成像型結構光照明超分辨顯微技術（CISIM）將采集的多幅結構光照明圖像編碼後壓縮為(wei) 一幅圖像，並通過圖像重構得到超分辨圖像，突破了硬件速度的限製。然而CISIM的數據壓縮過程降低了高頻信息的比重，影響了重構超分辨圖像的質量。

二、研究內(nei) 容

2.1 圖像采集模型

課題組將差分放大的思想引入CISIM，通過壓縮圖像與(yu) 寬場圖像的參考差分提高采集圖像中高頻信號的能量占比，提升對於(yu) 待測動態場景的重構效果，並將這種改進後的技術稱為(wei) 差分壓縮成像型結構光照明超分辨顯微（DCISIM）。相比於(yu) CISIM，DCISIM包含了兩(liang) 個(ge) 圖像采樣通道，在原有壓縮成像通道的基礎上增加了一個(ge) 寬場成像通道；DCISIM的壓縮成像方式也與(yu) CISIM不同，在3個(ge) 方向上隻采用兩(liang) 張相移量為(wei) 2π/3的條紋照明熒光圖像進行編碼壓縮操作。圖1展示了CISIM與(yu) DCISIM的圖像采集模型。

圖1CISIM與(yu) DCISIM的圖像采集模型

2.2 圖像重構實驗

課題組分別選取了胚胎大鼠海馬神經元微管結合蛋白、COS-7細胞微管和Swiss 3T3細胞Trio蛋白三種生物結構的熒光圖像作為(wei) 原始數據，分別按照CISIM和DCISIM的圖像采集模型生成相應的測量圖像，並分別利用相應的重構算法進行圖像重構，如圖2所示；並且基於(yu) BiosesR數據庫中的結構光照明顯微實驗數據進一步開展了仿真重構，如圖3所示。結果表明，DCISIM相比於(yu) CISIM有效地提升了重構圖像的質量。

圖2不同生物結構的CISIM與(yu) DCISIM圖像重構結果對比

圖3基於(yu) SIM實驗數據的CISIM與(yu) DCISIM圖像重構結果對比

在抗噪性能仿真實驗當中，DCISIM在低噪聲的條件下獲得了較好的超分辨成像效果，隨著噪聲水平的提升，重構質量逐漸下降，但是在設定的噪聲水平下仍能保持其超分辨重構效果，如圖4所示。

圖4不同噪聲水平下DCISIM圖像重構質量對比

三、總結與(yu) 展望

差分壓縮成像型結構光照明超分辨顯微技術DCISIM，通過采用結構光照明壓縮成像和寬場成像雙通道圖像差分采集方式，從(cong) 一張差分圖像中恢複出一張超分辨圖像，能夠實現高質量的高速超分辨顯微成像。在未來，DCISIM有望成為(wei) 諸多高速精細動力學過程觀測的重要工具。