本發(fā)明涉及顯微成像技術(shù)領(lǐng)域，特別涉及熒光多分子定位方法、裝置以及超分辨成像方法、系統(tǒng)。

背景技術(shù)：

熒光顯微成像因其具有非侵入性和時(shí)間分辨成像的特性被廣泛應(yīng)用于分子和細(xì)胞生物學(xué)。盡管具有這些優(yōu)勢(shì)，然而，標(biāo)準(zhǔn)的熒光顯微鏡由于受光學(xué)衍射極限的限制，對(duì)小于衍射極限的小尺度樣品來說，無法分辨。光敏定位顯微(palm)、隨機(jī)光學(xué)重建顯微(storm)等技術(shù)，通過單分子開關(guān)，能夠高精度的定位分子的位置，通過隨機(jī)稀疏的激發(fā)分子，定位分子，去激活，重復(fù)以上過程，從而可以突破橫向約200nm的衍射極限獲得納米級(jí)超分辨圖像。然而為了達(dá)到納米級(jí)的空間分辨率，通常需要數(shù)千幀圖像重構(gòu)，重構(gòu)時(shí)間需要幾十秒。使用強(qiáng)激光激發(fā)可以提高分子開關(guān)轉(zhuǎn)換速率，但是這樣會(huì)引起光漂白，并且強(qiáng)激光對(duì)活細(xì)胞樣品會(huì)有損傷，引起信號(hào)的衰減。

為了提高時(shí)間分辨率，又不引起樣品損傷，可以使每幀圖像提高激活的分子密度，但是高分子密度圖像可能會(huì)引起重疊，傳統(tǒng)的單分子定位算法無法精確實(shí)現(xiàn)定位?，F(xiàn)有技術(shù)為了實(shí)現(xiàn)高密度單分子定位，提出了一系列算法如：最大似然估計(jì)中的daostorm，貝葉斯統(tǒng)計(jì)，fsstorm等，其相對(duì)于單分子擬合算法，識(shí)別分子密度有了一定的提高，但是計(jì)算速度均比較慢。

因而現(xiàn)有技術(shù)還有待改進(jìn)和提高。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述現(xiàn)有技術(shù)的不足之處，本發(fā)明的目的在于提供熒光多分子定位方法、裝置以及超分辨成像方法、系統(tǒng)，采用基于頻域壓縮感知的正交匹配追蹤算法實(shí)現(xiàn)多分子納米定位，具有更快的計(jì)算速度，大大減少重構(gòu)所需的時(shí)間。

為了達(dá)到上述目的，本發(fā)明采取了以下技術(shù)方案：

一種熒光多分子定位方法，其包括如下步驟：

采集多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像；

對(duì)所述熒光圖像進(jìn)行傅里葉變換，獲得所述熒光圖像的傅里葉頻譜；

對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，并根據(jù)解卷積之后的圖像構(gòu)造相應(yīng)的傅里葉字典；

基于所述傅里葉字典和解卷積之后的圖像，根據(jù)正交匹配追蹤算法計(jì)算多個(gè)熒光分子的坐標(biāo)位置。

所述的熒光多分子定位方法中，所述采集多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像的步驟中，所述熒光圖像為：

其中nq為單個(gè)熒光分子發(fā)出的光子數(shù)，σ為高斯函數(shù)的標(biāo)準(zhǔn)差，(x,y)為圖像上的坐標(biāo)，(xq,yq)為熒光分子的坐標(biāo)位置，b為噪聲的強(qiáng)度。

所述的熒光多分子定位方法中，所述對(duì)所述熒光圖像進(jìn)行傅里葉變換，獲得所述熒光圖像的傅里葉頻譜的步驟中，所述熒光圖像的傅里葉頻譜為：

其中，m，n為圖像的像元數(shù)，f(k，l)為光學(xué)系統(tǒng)在像元(k，l)處的光學(xué)傳遞函數(shù)，b[k，l]為像元(k，l)處的噪聲的傅里葉變換。

所述的熒光多分子定位方法中，所述對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，并根據(jù)解卷積之后的圖像構(gòu)造相應(yīng)的傅里葉字典的步驟包括：

基于方程

對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，其中λ為根據(jù)圖像的噪聲大小預(yù)設(shè)的系數(shù)；

將解卷積之后的圖像矩陣轉(zhuǎn)換為向量形式，并根據(jù)圖像大小構(gòu)造相應(yīng)的傅里葉字典，得到g＝av，其中g(shù)是由解卷積之后的圖像，a為傅里葉字典，v是由nq組成的向量元素。

所述的熒光多分子定位方法中，基于所述傅里葉字典和解卷積之后的圖像，根據(jù)正交匹配追蹤算法計(jì)算多個(gè)熒光分子的坐標(biāo)位置的步驟包括：

對(duì)參數(shù)進(jìn)行初始化，另殘差r0＝g,被選原子索引集φ為空集，迭代次數(shù)i＝0；

基于方程找出索引值ti，并添加索引值到被選原子索引集其中d為矩陣a的列數(shù)；

計(jì)算由被選原子展成的正交投影pi；

計(jì)算出待求的近似解與殘差：ai＝pig,ri＝g-ai；

判斷i是否小于等于k，若是，則另i＝i+1，并繼續(xù)基于方程找出索引值后添加索引值到被選原子索引集若否，計(jì)算在處的近似值，其中k為預(yù)估分子數(shù)，為第k次迭代得到的索引集，為定位后的像素值。

一種超分辨成像方法，其包括如下步驟：

采集多幅由多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像；

采用如上所述的熒光多分子定位方法對(duì)每幅熒光圖像中的熒光分子進(jìn)行定位，得到其坐標(biāo)位置；

對(duì)定位后的所有熒光圖像進(jìn)行累加，根據(jù)全部熒光分子的坐標(biāo)位置描繪出超分辨熒光圖像。

一種熒光多分子定位裝置，其包括：

采集模塊，用于采集多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像；

傅里葉變換模塊，用于對(duì)所述熒光圖像進(jìn)行傅里葉變換，獲得所述熒光圖像的傅里葉頻譜；

解卷積模塊，用于對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，并根據(jù)解卷積之后的圖像構(gòu)造相應(yīng)的傅里葉字典；

定位模塊，用于基于所述傅里葉字典和解卷積之后的圖像，根據(jù)正交匹配追蹤算法計(jì)算多個(gè)熒光分子的坐標(biāo)位置。

所述的熒光多分子定位裝置中，所述解卷積模塊包括：

解卷積單元，用于基于方程

對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，其中λ為根據(jù)圖像的噪聲大小預(yù)設(shè)的系數(shù)；

轉(zhuǎn)換單元，用于將解卷積之后的圖像矩陣轉(zhuǎn)換為向量形式，并根據(jù)圖像大小構(gòu)造相應(yīng)的傅里葉字典，得到g＝av，其中g(shù)是由解卷積之后的圖像，a為傅里葉字典，v是由nq組成的向量元素。

所述的熒光多分子定位裝置中，所述定位模塊包括：

初始化單元，用于對(duì)參數(shù)進(jìn)行初始化，另殘差r0＝g,被選原子索引集φ為空集，迭代次數(shù)i＝0；

搜尋單元，用于基于方程找出索引值ti，并添加索引值到被選原子索引集其中d為矩陣a的列數(shù)；

第一計(jì)算單元，用于計(jì)算由被選原子展成的正交投影pi；

第二計(jì)算單元，用于計(jì)算出待求的近似解與殘差：ai＝pig,ri＝g-ai；

判斷定位單元，用于判斷i是否小于等于k，若是，則另i＝i+1，并繼續(xù)基于方程找出索引值后添加索引值到被選原子索引集若否，計(jì)算在處的近似值，其中k為預(yù)估分子數(shù)，為第k次迭代得到的索引集，為定位后的像素值。

一種超分辨成像系統(tǒng)，其包括：

圖像采集器，用于采集多幅由多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像；

如上所述的熒光多分子定位裝置，用于對(duì)每幅熒光圖像中的熒光分子進(jìn)行定位，得到其坐標(biāo)位置；

重構(gòu)模塊，用于對(duì)定位后的所有熒光圖像進(jìn)行累加，根據(jù)全部熒光分子的坐標(biāo)位置描繪出超分辨熒光圖像。

相較于現(xiàn)有技術(shù)，本發(fā)明提供的熒光多分子定位方法、裝置以及超分辨成像方法、系統(tǒng)中，所述熒光多分子定位方法通過采集多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像；之后對(duì)所述熒光圖像進(jìn)行傅里葉變換，獲得所述熒光圖像的傅里葉頻譜；對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，并根據(jù)解卷積之后的圖像構(gòu)造相應(yīng)的傅里葉字典；之后基于所述傅里葉字典和解卷積之后的圖像，根據(jù)正交匹配追蹤算法計(jì)算多個(gè)熒光分子的坐標(biāo)位置，采用基于頻域壓縮感知的正交匹配追蹤算法實(shí)現(xiàn)多分子納米定位，具有更快的計(jì)算速度，大大減少重構(gòu)所需的時(shí)間。

附圖說明

圖1為本發(fā)明提供的熒光多分子定位方法的流程圖。

圖2為本發(fā)明提供的超分辨成像方法的流程圖。

圖3為本發(fā)明提供的熒光多分子定位裝置的結(jié)構(gòu)框圖。

圖4為本發(fā)明提供的超分辨成像系統(tǒng)的結(jié)構(gòu)框圖。

圖5a為本發(fā)明第一實(shí)施例提供的熒光多分子定位方法的理論模擬圖(一)。

圖5b為本發(fā)明第一實(shí)施例提供的熒光多分子定位方法的理論模擬圖(二)。

圖5c為本發(fā)明第一實(shí)施例提供的熒光多分子定位方法的理論模擬圖(三)。

圖6a為本發(fā)明第二實(shí)施例提供的超分辨成像方法的成像示意圖(一)。

圖6b為本發(fā)明第二實(shí)施例提供的超分辨成像方法的成像示意圖(二)。

具體實(shí)施方式

鑒于現(xiàn)有技術(shù)中熒光多分子定位計(jì)算速度較慢、重構(gòu)時(shí)間長(zhǎng)等缺點(diǎn)，本發(fā)明的目的在于提供熒光多分子定位方法、裝置以及超分辨成像方法、系統(tǒng)，采用基于頻域壓縮感知的正交匹配追蹤算法實(shí)現(xiàn)多分子納米定位，具有更快的計(jì)算速度，大大減少重構(gòu)所需的時(shí)間。

為使本發(fā)明的目的、技術(shù)方案及效果更加清楚、明確，以下參照附圖并舉實(shí)施例對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

請(qǐng)參閱圖1，本發(fā)明提供的熒光多分子定位方法包括如下步驟：

s100、采集多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像；

s200、對(duì)所述熒光圖像進(jìn)行傅里葉變換，獲得所述熒光圖像的傅里葉頻譜；

s300、對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，并根據(jù)解卷積之后的圖像構(gòu)造相應(yīng)的傅里葉字典；

s400、基于所述傅里葉字典和解卷積之后的圖像，根據(jù)正交匹配追蹤算法計(jì)算多個(gè)熒光分子的坐標(biāo)位置.

本發(fā)明一次采集多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像，有利于縮短在超分辨成像應(yīng)用時(shí)的重構(gòu)時(shí)間，之后對(duì)采集到的熒光圖像進(jìn)行傅里葉變換，將熒光圖像從時(shí)域轉(zhuǎn)換至頻域，獲得所述熒光圖像的傅里葉頻譜，之后對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，得到解卷積之后的圖像，并根據(jù)解卷積之后的圖像大小構(gòu)造相應(yīng)的傅里葉字典，基于構(gòu)造的傅里葉字典和解卷積之后的圖像，通過正交匹配追蹤(omp)算法計(jì)算多個(gè)熒光分子的坐標(biāo)位置，從而實(shí)現(xiàn)了熒光多分子的定位，本發(fā)明采用基于頻域壓縮感知的正交匹配追蹤算法，其運(yùn)算速度具有明顯提升，保證了多分子定位時(shí)的定位速度，有效減少重構(gòu)圖像所需要的時(shí)間。

具體地，所述步驟s100中，所述熒光圖像為：

其中nq為單個(gè)熒光分子發(fā)出的光子數(shù)，σ為高斯函數(shù)的標(biāo)準(zhǔn)差，(x,y)為圖像上的坐標(biāo)，(xq,yq)為熒光分子的坐標(biāo)位置，b為噪聲的強(qiáng)度。

對(duì)于單個(gè)熒光分子通過光學(xué)系統(tǒng)成像可用二維的點(diǎn)擴(kuò)散函數(shù)來近似：

而對(duì)于熒光顯微成像以及本實(shí)施例中，采集的分子數(shù)遠(yuǎn)不止一個(gè)，并且含有噪聲，因此，對(duì)于有i個(gè)熒光分子以及有噪聲的情況下，i個(gè)熒光分子通過光學(xué)系統(tǒng)成像用公式(1)表示，其中噪聲主要包括有探測(cè)器噪聲和背景噪聲等等。

進(jìn)一步地，所述步驟s200中，所述熒光圖像的傅里葉頻譜為：

其中，i(m，n)為位置(m，n)處的熒光圖像，s(k，l)為頻率域中像元(k，l)處的熒光強(qiáng)度的傅里葉變換，m，n為圖像的像元數(shù)，f(k，l)為光學(xué)系統(tǒng)在像元(k，l)處的光學(xué)傳遞函數(shù)，b[k，l]為像元(k，l)處的噪聲的傅里葉變換。

由于ccd采集到的圖像均為像素化的，因此在獲取熒光圖像的傅里葉頻譜時(shí)，需對(duì)公式(1)進(jìn)行離散傅里葉變換，(discretefouriertransform，dft)，即如公式(3)所示，從而將熒光圖像從時(shí)域轉(zhuǎn)換至頻域，便于后續(xù)定位計(jì)算。

進(jìn)一步地，所述步驟s300包括步驟：

s301、基于方程

對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，其中λ為根據(jù)圖像的噪聲大小預(yù)設(shè)的系數(shù)；

s302、將解卷積之后的圖像矩陣轉(zhuǎn)換為向量形式，并根據(jù)圖像大小構(gòu)造相應(yīng)的傅里葉字典，得到g＝av，其中g(shù)是由解卷積之后的圖像，a為傅里葉字典，v是由ni組成的向量元素。

具體實(shí)施時(shí)，對(duì)公式(3)進(jìn)行解卷積操作，從而得到公式(4)，其中λ可根據(jù)原始圖像的噪聲大小進(jìn)行選擇，之后將解卷積之后的圖像矩陣轉(zhuǎn)換為向量形式，以構(gòu)造相應(yīng)的傅里葉字典a，得到如下公式：

g＝av(5)

其中g(shù)是由解卷積之后的圖像，a為傅里葉字典，v是由nq組成的向量元素，根據(jù)目標(biāo)圖像分辨率，將原始圖像進(jìn)行網(wǎng)格化，即對(duì)每個(gè)像素進(jìn)行細(xì)分為l*l，由于v中的元素代表熒光分子在這個(gè)網(wǎng)格中發(fā)出的光強(qiáng)度，沒有分子時(shí)v的大小為0，即v本身具有稀疏特性，對(duì)公式(5)可采用omp算法進(jìn)行求解。

具體地，所述步驟s400包括步驟：

s401、對(duì)參數(shù)進(jìn)行初始化，另殘差r0＝g,被選原子索引集φ為空集，迭代次數(shù)i＝0；

s402、基于方程找出索引值ti，并添加索引值到被選原子索引集其中d為矩陣a的列數(shù)；

s403、計(jì)算由被選原子展成的正交投影pi；

s404、計(jì)算出待求的近似解與殘差：ai＝pig,ri＝g-ai；

s405、判斷i是否小于等于k，若是，則另i＝i+1，并繼續(xù)基于方程找出索引值后添加索引值到被選原子索引集若否，計(jì)算在處的近似值，在其它地方，其值為0，并將當(dāng)前的vi作為熒光分子的的坐標(biāo)向量，其中k為預(yù)估分子數(shù)，為第k次迭代得到的索引集，為定位后的像素值。

本發(fā)明對(duì)于公式(5)采用omp算法進(jìn)行求解，經(jīng)過初始化、找出索引值并添加至被選原子索引集、計(jì)算正交投影以及待求的近似解和殘差后，判斷迭代次數(shù)的大小并進(jìn)行迭代計(jì)算，直到迭代次數(shù)大于k則認(rèn)為vi就是要求的解，之后將v寫成矩陣的形式，即形成超分辨成像，完成熒光多分子定位過程。本發(fā)明通過基于離散傅里葉變換和omp算法運(yùn)算，實(shí)現(xiàn)了一種新型的高密度單分子圖像在頻率域的定位算法，現(xiàn)有的算法一般采用內(nèi)點(diǎn)算法，該算法在每一次迭代中需要計(jì)算矩陣的逆，它的計(jì)算復(fù)雜度為o(n³)，而omp算法的計(jì)算是由步驟s402決定，其復(fù)雜度為o(kdn)，遠(yuǎn)小于內(nèi)點(diǎn)算法的復(fù)雜度，因此本發(fā)明提供的熒光多分子定位算法能有效的提高數(shù)據(jù)處理速度，縮短圖像重構(gòu)的時(shí)間，在高密度單分子成像和單分子追蹤等方面具有廣闊的應(yīng)用前景。

基于上述實(shí)施例提供的熒光多分子定位方法，本發(fā)明還相應(yīng)提供一種超分辨成像方法，如圖2所示，所述超分辨成像方法包括如下步驟：

s10、采集多幅由多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像；

s20、采用如上所述的熒光多分子定位方法對(duì)每幅熒光圖像中的熒光分子進(jìn)行定位，得到其坐標(biāo)位置；

s30、對(duì)定位后的所有熒光圖像進(jìn)行累加，根據(jù)全部熒光分子的坐標(biāo)位置描繪出超分辨熒光圖像。

本發(fā)明提供的超分辨成像方法先采集多幅(例如500幅)由多個(gè)熒光分子通過光學(xué)系統(tǒng)的高密度熒光圖像，之后通過上述的熒光多分子定位算法對(duì)每幅熒光圖像進(jìn)行定位，然后對(duì)定位后的圖像進(jìn)行累加，根據(jù)全部熒光分子的坐標(biāo)位置描繪出超分辨圖像，從而實(shí)現(xiàn)了超分辨熒光成像，且計(jì)算速度快，所需重構(gòu)時(shí)間短，提高了超分辨成像的效率。

相應(yīng)地，基于上述實(shí)施例提供的熒光多分子定位方法，本發(fā)明還相應(yīng)提供一種熒光多分子定位裝置，如圖3所示，所示熒光多分子定位裝置包括采集模塊11、傅里葉變換模塊12、解卷積模塊13和定位模塊14，所述采集模塊11、傅里葉變換模塊12、解卷積模塊13和定位模塊14依次連接，其中，所述采集模塊11用于采集多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像；所述傅里葉變換模塊12用于對(duì)所述熒光圖像進(jìn)行傅里葉變換，獲得所述熒光圖像的傅里葉頻譜；所述解卷積模塊13用于對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，并根據(jù)解卷積之后的圖像構(gòu)造相應(yīng)的傅里葉字典；所述定位模塊14用于基于所述傅里葉字典和解卷積之后的圖像，根據(jù)正交匹配追蹤算法計(jì)算多個(gè)熒光分子的坐標(biāo)位置。具體請(qǐng)參閱上述方法對(duì)應(yīng)的實(shí)施例。

具體地，所述解卷積模塊13包括解卷積單元(圖中未示出)和轉(zhuǎn)換單元(圖中未示出)，所述解卷積單元連接轉(zhuǎn)換單元，其中，所述解卷積單元用于基于方程

對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，其中λ為根據(jù)圖像的噪聲大小預(yù)設(shè)的系數(shù)；所述轉(zhuǎn)換單元用于將解卷積之后的圖像矩陣轉(zhuǎn)換為向量形式，并根據(jù)圖像大小構(gòu)造相應(yīng)的傅里葉字典，得到g＝av，其中g(shù)是由解卷積之后的圖像，a為傅里葉字典，v是由nq組成的向量元素。具體請(qǐng)參閱上述方法對(duì)應(yīng)的實(shí)施例。

進(jìn)一步地，所述定位模塊14包括初始化單元(圖中未示出)、搜尋單元(圖中未示出)、第一計(jì)算單元(圖中未示出)、第二計(jì)算單元(圖中未示出)和判斷定位單元(圖中未示出)，所述初始化單元、搜尋單元、第一計(jì)算單元、第二計(jì)算單元和判斷定位單元依次連接，所述判斷定位單元還連接搜尋單元，其中，所述初始化單元用于對(duì)參數(shù)進(jìn)行初始化，另殘差r0＝g,被選原子索引集φ為空集，迭代次數(shù)i＝0；所述搜尋單元用于基于方程找出索引值ti，并添加索引值到被選原子索引集其中d為矩陣a的列數(shù)；所述第一計(jì)算單元用于計(jì)算由被選原子展成的正交投影pi；所述第二計(jì)算單元用于計(jì)算出待求的近似解與殘差：ai＝pig,ri＝g-ai；所述判斷定位單元用于判斷i是否小于等于k，若是，則另i＝i+1，并繼續(xù)基于方程找出索引值后添加索引值到被選原子索引集若否，計(jì)算在處的近似值，在其它地方，其值為0，并將當(dāng)前的vi作為熒光分子的坐標(biāo)向量，其中k為預(yù)估分子數(shù)，為第k次迭代得到的索引集，為定位后的像素值。具體請(qǐng)參閱上述方法對(duì)應(yīng)的實(shí)施例。

類似地，基于上述實(shí)施例提供的超分辨成像方法，本發(fā)明還相應(yīng)提供一種超分辨成像系統(tǒng)，如圖4所示，所述超分辨成像系統(tǒng)包括圖像采集器21、如上所述的熒光多分子定位裝置222以及重構(gòu)模塊23，所述圖像采集器21、熒光多分子定位裝置22及重構(gòu)模塊23依次連接，其中，所述圖像采集器21用于采集多幅由多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像；所述熒光多分子定位裝置22用于對(duì)每幅熒光圖像中的熒光分子進(jìn)行定位，得到其坐標(biāo)位置；所述重構(gòu)模塊23用于對(duì)定位后的所有熒光圖像進(jìn)行累加，根據(jù)全部熒光分子的坐標(biāo)位置描繪出超分辨熒光圖像。具體請(qǐng)參閱上述方法對(duì)應(yīng)的實(shí)施例。

以下結(jié)合具體實(shí)施例對(duì)本發(fā)明提供的熒光多分子定位方法的理論模擬結(jié)果以及超分辨成像方法的成像重構(gòu)結(jié)果進(jìn)行說明：

實(shí)施例一

如圖5a、5b和5c所示，本實(shí)施例對(duì)隨機(jī)分布的100個(gè)分子進(jìn)行模擬定位分析。模擬參數(shù)如下：光學(xué)系統(tǒng)物鏡的數(shù)值孔徑na為1.4，光學(xué)系統(tǒng)的點(diǎn)擴(kuò)展函數(shù)用高斯函數(shù)近似，其標(biāo)準(zhǔn)差為一個(gè)探測(cè)器有效像元大小為166nm，像元數(shù)為32×32，為了避免邊緣影響，讓100個(gè)分子隨機(jī)分布在中間24*24個(gè)像素區(qū)域。探測(cè)到的光子數(shù)假設(shè)為一個(gè)確定的值3000。疊加的噪聲分為泊松化的原始信號(hào)加均勻背景噪聲，背景噪聲均值為70個(gè)光子數(shù)，相當(dāng)于目前使用的emccd參數(shù)。

首先，由隨機(jī)分布的100個(gè)分子，根據(jù)光學(xué)系統(tǒng)psf獲得熒光圖像，再根據(jù)像元大小對(duì)上述圖像進(jìn)行像素化采樣；最后再添加噪聲如圖5a所示。根據(jù)上述熒光多分子定位方法對(duì)該圖像進(jìn)行分子定位，得到定位圖像與原始分子分布的對(duì)比圖像如圖5b所示，其中十字叉為原始分子，點(diǎn)狀像素為定位出的分子。之后對(duì)該隨機(jī)分布的100分子進(jìn)行重復(fù)成像20次，獲得20幅單分子熒光圖像?；谶@些模擬分子熒光圖像，對(duì)每一幅圖像，共獲得2000個(gè)定位點(diǎn)，分析這些定位點(diǎn)的坐標(biāo)分布。由于圖像的中心對(duì)稱，這里只給出x坐標(biāo)直方圖分布(圖5c中豎條表示)，并通過高斯函數(shù)擬合(圖5c中實(shí)線表示)，可以確定定位點(diǎn)位置坐標(biāo)分布的標(biāo)準(zhǔn)差分別為47.58nm，相應(yīng)的半高全寬為112.06nm。綜上，當(dāng)分子密度為100，相當(dāng)于8.8μm-2，該算法的定位精度可以達(dá)到47nm左右，即本申請(qǐng)?zhí)峁┑臒晒舛喾肿佣ㄎ环椒ú粌H能實(shí)現(xiàn)快速計(jì)算，還能實(shí)現(xiàn)較高的定位精度。

實(shí)施例二

如圖6a和6b所示，本實(shí)施例對(duì)高密度500幀圖像的微管進(jìn)行超分辨熒光成像，該實(shí)驗(yàn)系統(tǒng)的波長(zhǎng)為690nm，像素尺寸大小為100nm，數(shù)值孔徑為1.3(油浸物鏡)。由采集的500幅圖像累加形成的圖像如圖6a所示。之后通過上述熒光多分子定位方法對(duì)每一幅圖像進(jìn)行定位，然后對(duì)定位后的圖像進(jìn)行累加，根據(jù)全部熒光分子的坐標(biāo)位置得到如圖6b的超分辨圖像，成功實(shí)現(xiàn)了基于熒光多分子定位方法的實(shí)際生物樣品的超分辨熒光顯微成像，驗(yàn)證了本發(fā)明提供的熒光多分子定位方法以及超分辨成像方法的實(shí)用性。

綜上所述，本發(fā)明提供的熒光多分子定位方法、裝置以及超分辨成像方法、系統(tǒng)中，所述熒光多分子定位方法通過采集多個(gè)熒光分子通過光學(xué)系統(tǒng)的熒光圖像；之后對(duì)所述熒光圖像進(jìn)行傅里葉變換，獲得所述熒光圖像的傅里葉頻譜；對(duì)所述熒光圖像的傅里葉頻譜進(jìn)行解卷積運(yùn)算，并根據(jù)解卷積之后的圖像構(gòu)造相應(yīng)的傅里葉字典；之后基于所述傅里葉字典和解卷積之后的圖像，根據(jù)正交匹配追蹤算法計(jì)算多個(gè)熒光分子的坐標(biāo)位置，采用基于頻域壓縮感知的正交匹配追蹤算法實(shí)現(xiàn)多分子納米定位，具有更快的計(jì)算速度，大大減少重構(gòu)所需的時(shí)間。

可以理解的是，對(duì)本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，而所有這些改變或替換都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。