基于图神经网络的大视场双光子显微图像拼接

Laser & Optoelectronics Progress 2026

View at publisher
Authors: 张景博 Zhang Jingbo, 巩岩 Gong Yan, 吴泉英 Wu Quanying, 陈宝瑨 Chen Baojin, 宋世豪 Song Shihao, 郑汉青 Zheng Hanqing, 郎松 Lang Song
DOI: 10.3788/lop251661
Cited by: 0
References: 16

Abstract

大视场双光子显微系统成像过程中，由于单次扫描覆盖面积有限，需通过图像拼接技术获取完整视野。为此，提出一种基于深度学习的显微图像拼接算法，旨在提升图像的特征匹配精度与融合质量。通过自适应特征点筛选的SuperPoint编码器与DINOv2编码器，共同提取图像的局部特征点与全局语义描述符，并采用图神经网络OmniGlue进行特征匹配，从而增强配准的稳定性与鲁棒性。在图像拼接融合阶段，引入刚性变换模型与多频带加权融合策略，实现双光子图像的无缝拼接。实验结果表明，所提算法在Xde-2PM大视场双光子显微图像数据集上达到了96.56%的匹配准确率，且每组图像平均拼接时间缩短至0.92 s。该算法不仅保持了拼接后图像的视觉连贯性与结构一致性，而且在处理复杂双光子图像时表现出更强的鲁棒性和更高的运行效率。

Fields of Study & Subjects

Advanced Image and Video Retrieval Techniques Advanced Image Fusion Techniques Advanced Vision and Imaging

Publication details

Journal / source
Laser & Optoelectronics Progress
Volume
63
Issue
2
Pages
0218001–0218001
Publication date
1 January 2026
Language
EN