论文部分内容阅读
通过分析共焦显微镜在成像过程中因光学元件等位置偏差造成会聚焦点与针孔位置发生偏差而出现的图像畸变现象,提出一种位置校正函数进行插值运算对非线性畸变失真图像进行校正和复原。应用基于机器学习的卷积神经网络技术提高位置校正后退化图像质量,在对单幅图像进行训练时,采用5层卷积和下采样加入池化层以降低网络参数的数量级。结果表明池化层可显著提高运算速度,同时使图片的清晰度得到显著提升。