Smart Computational Imaging (SCI) Lab
智能计算成像实验室

轮播多图

研究组概况 Group Overview

同时实现大视场、高分辨率、定量相位、衍射层析测量和自适应光学校正是光学显微技术的发展目标，而常规光学显微系统难以应对这一挑战。为应对上述挑战，近年来发展出一种具有代表性的新方法——傅立叶叠层成像技术（Fourier Ptychographic Microscopy，FPM）。本小组致力于研究基于傅立叶叠层成像的大视场高通量显微成像技术，包括高通量、大景深的相位恢复、超分辨率、衍射层析、自适应光学校正等技术，并同步研发小型化活细胞及反射式金相傅立叶叠层显微镜仪器，为解决细胞生物学、癌症研究、发育生物学等问题开辟新可能。

团队成员

学术论文

研究项目

竞赛奖项

研究背景 Background

傅立叶叠层成像技术是2013年Guoan Zheng教授提出的一种新型大视场高分辨率定量相位计算显微成像技术，该方法整合了相位恢复和合成孔径的思想。与其他相位恢复方法相似，傅立叶叠层成像技术的处理过程也是根据空域中记录的光强信息和频域中某种固定的映射关系来进行交替迭代的，特别的是该技术借用了空域叠层成像的思想，在迭代重构过程中，优雅地同步实现了相位恢复、合成孔径以及像素超分辨。由于傅立叶叠层成像技术能够同时实现大视场高分辨率成像和定量相位显微成像，所以具有突出的性能优势和广阔的发展前景。

倾斜平面波照明扫描

拍摄低分辨率光强图

频域迭代合成孔径

空域复振幅超分辨

研究方向 Research Fields

自适应光学定量相位成像

对角照明傅里叶叠层成像

反射式傅立叶叠层显微的暗场孔径错位校正

支持域约束的单帧差分相衬显微成像技术

基于多模态协同的深度学习病理图像超分辨技术

基于能量导向傅里叶叠层的厚物体定量相位成像技术

Adaptive optical quantitative phase imaging （AO-QPI）

Diagonal illumination Fourier ptychographic

microscopy （DI-FPM）

Efficient misalignment correction method for dark-field aperture in reflective FPM(dmc-rFPM)

Single-shot quantitative differential phase contrast microscopy based on support domain constraints

DMR-UNet: Dual-Modal Reference-based Super-Resolution for Pathological Image

Thick-sample Quantitative Phase Imaging based on Energy-guided Fourier Ptychographic Microscopy

团队开发了一种基于环形照明傅里叶叠层成像的自适应像差恢复技术，首次对无标记活细胞成像中的时变像差进行了实时补偿与校准，有效避免了环境扰动等因素对长时程成像带来的干扰。该研究成果以Adaptive optical quantitative phase imaging based on annular illumination Fourier ptychographic microscopy为题发表在PhotoniX上，并被选为封面论文。

团队开发了一种基于对角照明傅里叶叠层成像的抗像素混叠定量相位成像方法，在有限像素采样频率的情况下实现了高分辨率和高通量成像。该研究成果以Diagonal illumination scheme for Fourier ptychographic microscopy: resolution doubling and aliasing minimization为题受邀发表在Journal of the Optical Society of America期刊上。

团队开发了一种基于结构相似性(SSIM)的快速暗场孔径错位快速校正法，首次实现了对反射式傅立叶叠层显微系统暗场孔径错位的无迭代重建校正，在保持高精度的同时，显著提升了暗场子孔径的定位效率。该研究成果已发表在著名光学期刊APL Photonics上，并被选为期刊Featured Article。

团队开发了一种基于支持域约束的单帧差分相衬显微成像技术，首次在活细胞动态观测中实现了无需多帧采集的各向同性定量相位重建。该方法通过优化的均匀半环照明以增强相位传递函数的均匀性，并将空间支撑域约束融入迭代重建框架，有效克服了传统单帧相位成像中的频域缺失与方向伪影问题，在保持低光毒性条件下，为动态生物过程的无标记成像开辟了新途径。

团队开发了一种基于明暗场多模态协同的深度学习超分辨率重建框架。该方法通过融合明场与暗场成像的互补信息，在最小化数据采集需求的前提下（仅需一对明暗场图像），实现了病理图像的高保真超分辨率重建。该技术表现出优异的鲁棒性，对于提升临床病理诊断的效率与准确性具有重要应用价值。

团队创新性地整合了景深扩展技术、自适应光学定量相位成像与边界延拓方法，提出了一种基于能量导向自适应步长的重建算法，实现了厚样本的高质量定量相位重建。与全息技术相比，本方法在获得与垂直照明光程叠加等效的相位恢复精度的同时，达到了非相干衍射极限分辨率。有效解决了活细胞有丝分裂动态成像过程中厚物体成像的瓶颈问题。