原子力显微镜超分辨率成像技术

作     者：吕路遥 

作者单位：福州大学 

学位级别：硕士

导师姓名：韩国强

授予年度：2021年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0803[工学-光学工程] 

主      题：原子力显微镜 超分辨率 对比度 压缩感知 直方图均衡化 

摘      要：原子力显微镜(AFM)是一种功能强大的纳米尺度仪器,可以获得样品表面的真实形貌,在材料科学、化学和生物医学等领域有着广泛的应用。AFM不仅可以在液体或真空环境下工作,还可以扫描纳米级的导体、半导体及绝缘材料,使得AFM具有更广泛的适用性。尽管AFM的垂直分辨率可以达到0.1nm,但由于探针和样品形貌的影响,AFM的横向分辨率并不高。此外,由于逐点扫描的工作模式及定位精度问题,AFM成像是一个复杂而耗时的过程。因此大部分图像质量较差,原始AFM图像都是低分辨率的图像。但对于纳米尺度的测量和成像,获取高分辨率的图像是非常重要的。虽然可以通过提升硬件设施条件来提高图像的分辨率,但它们的增强非常有限且成本极高,无法满足科学研究的需求。故超分辨率技术是解决AFM图像问题最有效的方法之一,无需受限于硬件设施就能使用软件算法去获得高质量的AFM图像。根据不同超分辨率技术的不足之处,做出相应的改进来实现更高质量的AFM超分辨率成像。针对AFM图像的纹理细节信息较多及传统的插值算法将图像对比度信息未考虑在内的问题,使用一种对比度导向的图像超分辨率方法来实现对边缘细节信息的处理。并在此基础上对这种基于边缘导向的插值算法进行了改进,通过降低原始迭代过程中的计算复杂度并引入精确度更高的迭代反投影算法,进一步改善了图像边缘的质量;为了解决传统基于重建算法的迭代速度慢及成像质量差的问题,将压缩感知理论应用于AFM图像超分辨率成像,通过采用了一种特殊的测量矩阵和TVAL3重构算法去缩短AFM的扫描时间并显著提升超分辨率后的图像质量;利用基于卷积神经网络的方法实现AFM超分辨率成像,并针对大型的AFM图像库获取时间长及成本高的问题,对基于卷积神经网络的算法提出了改进,利用自适应直方图均衡化的方法对数据集进行了增强,使深度学习模型得到了进一步改善,并相应的提升了图像的重建质量。对图像插值的边缘、基于重建的细节、深度学习的数据集三个方面分别做了改进,并利用主客观图像质量评价指标对提出的超分辨率算法做出了评估,实验结果表明AFM图像质量得到了有效提高,证明了研究方法的可行性。