基于对称性的纤维衍射图样中心与旋转精修

X射线纤维衍射图样呈现四重对称性，可通过折叠与平均加以利用，从而提高信噪比。精确折叠要求对对称中心进行精确的亚像素级估计，并精确确定子午图样轴相对于纤维轴的取向；微小的中心或角度误差都会使衍射特征模糊，降低层线的锐利度，并在间距测量中引入误差。仅基于像素级的估计通常对此目的而言精度不足，而探测器间隙则进一步增加了对准目标的复杂性。 我们构建了带掩膜的象限折叠问题，定义了一种四象限对称性损失函数，以一致地排除无效像素，并评估了若干细化策略：分层的由粗到细网格搜索；基于ECC的刚性配准并结合全局中心/取向校正拟合；ECC配准后接局部梯度细化；以及一种混合方法，即在裁剪后的图样上附加局部网格搜索。研究发现，从粗略QF对准结果直接进行梯度优化并不可靠。网格搜索提供了一种稳健、可解释的基线方法，能够直接最小化折叠目标，但其速度明显慢于配准；ECC能够快速获得近似正确的对准，而混合方法则以仅为暴力搜索一小部分运行时间的代价，弥补了其与暴力搜索之间的精度差距。 在具有标定数据的真实数据集上，采用标定中心并对旋转进行优化实际上是最优的。该混合中心细化方法现已集成到MuscleX软件包中。

X射线纤维衍射图样表现出四重对称性，这一性质可通过折叠与平均加以利用，从而提高信噪比。准确的折叠要求对对称中心进行精确的亚像素估计，并精确确定子午线图样轴相对于纤维轴的取向：微小的中心或角度误差都会使衍射特征变得模糊，降低层线的锐利度，并在间距测量中引入误差。对于这一目的，像素级估计通常精度不足，而探测器间隙会进一步增加对齐目标的复杂性。我们构建了带掩膜的象限折叠问题，定义了一种四象限对称性损失函数，以一致地排除无效像素，并评估了若干细化策略：分层的由粗到细网格搜索；基于ECC的刚性配准及其全局中心/取向校正拟合；ECC配准后接局部梯度细化；以及一种在裁剪图样上附加局部网格搜索的混合方法。研究发现，从粗略QF对齐直接进行梯度优化并不可靠。网格搜索提供了一个稳健、可解释的基线方法，能够直接最小化折叠目标，但其速度明显慢于配准方法；ECC能够快速获得接近正确的对齐结果，而混合方法则以暴力搜索一小部分运行时间的代价，弥补了其与暴力搜索之间的精度差距。在具有标定数据的真实数据集上，采用标定中心并结合优化旋转实际上已达到最优效果。该混合中心细化方法已被集成到MuscleX软件包中。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.22.746299v1?rss=1

🏷️ X射线纤维衍射 对称中心估计 亚像素配准 象限折叠 图样旋转精修