Deconvolución con super-resolución en imágenes de microscopía por superposición de fuentes virtuales

Título

Deconvolución con super-resolución en imágenes de microscopía por superposición de fuentes virtuales

Colaborador

Martínez, Oscar E.
Martínez, Sandra
Lew, Sergio E.

Editor

Universidad de Buenos Aires. Facultad de Ingeniería

Fecha

2022-02-11

Extensión

141 p.

Resumen

En este trabajo hemos desarrollado e implementado un método de deconvolución con super-resolución. Pudiendo superar el límite de resolución de un sistema óptico incorporando al planteo de la deconvolución la información a priori que propone la aproximación SUPPOSe. La cual establece que es posible aproximar la estructura real como una superposición de fuentes puntuales de igual intensidad, denominadas fuentes virtuales. Esto nos permitió simplificar el problema de deconvolución y convertirlo en un problema de minimización sin restricciones, donde la única incógnita a encontrar son las posiciones de las fuentes virtuales SUPPOSe. Posiciones que pueden tener valores en todo el dominio del espacio de la imagen. Hemos puesto a prueba el algoritmo SUPPOSe con imágenes en dos dimensiones, tanto para el caso de imágenes sintéticas como para el caso de imágenes experimentales adquiridas con sistemas de baja resolución. Demostrando que le método logra reconstruir la estructura real que se encuentra distorsionada en las imágenes. Hemos generado un conjunto de datos sintéticos que simulan diferentes condiciones experimentales para poner a prueba el algoritmo. A partir de los resultados obtenidos hemos caracterizado cómo varía la calidad de la solución en función de las características de la imagen procesada. Así mismo validamos estos resultados procesando imágenes experimentales con diversas estructuras en la muestra y bajo diferentes condiciones de adquisición.
In this work we developed a deconvolution method with super-resolution. Making it possible to overcome the resolution limit of an optical system by incorporating the a priori information proposed by the SUPPOSe approach to the deconvolution problem. This approach establishes that it is possible to approximate the real structure as a superposition of point sources of equal intensity, called virtual sources. This allowed us to simplify the deconvolution problem and turn it into an unconstrained minimization problem, where the only unknowns are the positions of the SUPPOSe virtual sources. These positions can take values in the entire domain of the image space. We have tested the SUPPOSe algorithm with two-dimensional images, both in the case of synthetic images and in the case of experimental images acquired with low-resolution systems. Proving that the method can reconstruct the real structure that is distorted in the images. We have created a synthetic data set that simulates different experimental conditions to test the algorithm. From the results obtained we have characterized how the quality of the solution varies depending on the characteristics of the processed image. We also validate these results by processing experimental images with different structures in the sample and under different acquisition conditions.