基于目标区块检测的自适应压缩感知原子力显微镜成像技术

为解决传统原子力显微镜(AFM)高分辨率成像耗时过长的问题，研究人员提出了一种创新的自适应压缩感知(CS)成像方案。通过低分辨率快速扫描结合双三次插值生成初始图像，利用Otsu算法和八连通性方法定位目标区块，采用GRNN模型动态调整采样率，最终通过TVAL3算法重建目标区域。该方法在保证成像质量的同时显著提升了AFM的扫描效率。

　　

原子力显微镜(AFM)作为微纳米尺度样品表面特性研究的重要工具，传统扫描方式在获取高分辨率图像时效率低下。压缩感知(CS)技术虽能加速成像，但随着图像尺寸和分辨率需求提升，测量矩阵会急剧膨胀。区块压缩感知(BCS)通过分块处理降低计算复杂度，却难以平衡不同区域的成像质量。

这项研究创新性地提出自适应CS-AFM成像方案：首先快速获取低分辨率图像，通过双三次插值生成高分辨率基底；随后运用Otsu阈值分割与八连通性分析精准定位目标区块；广义回归神经网络(GRNN)根据区块特征动态调节采样率；对目标区域进行补充扫描后，采用全变分正则化(TVAL3)算法进行高质量重建；最终将重建区块无缝替换至基底图像。

实验证明，该方案在成像速度、质量和分辨率三个维度均显著优于传统方法。这种智能化的自适应采样策略，为生命科学领域的纳米级生物样本快速成像（如细胞膜表面受体分布观测、病毒颗粒形貌分析等）提供了突破性的技术支撑，尤其适用于活体样本的动态监测研究。