1.一种基于多尺度transformer的低照度相衬细胞显微图像增强方法,其特征在于,包括如下步骤:获取在显微成像系统中采集的相衬细胞显微图像作为数据集;
构建低照度相衬细胞显微图像增强网络;
使用数据集对低照度相衬细胞显微图像增强网络进行训练;
利用训练好的低照度相衬细胞显微图像增强网络对相衬细胞显微图像进行增强;
所述低照度相衬细胞显微图像增强网络包括依次连接的特征预增强网络、生成器和判别器,特征预增强网络对输入的相衬细胞显微图像进行预增强,输出预增强图像到生成器;生成器通过交替连接的多尺度Transformer模块和卷积层提取多尺度特征,输出生成图像到判别器;判别器确保生成图像不失真,并将生成图像作为增强图像输出;
所述特征预增强网络对输入的相衬细胞显微图像进行预增强,包括以下步骤:相衬细胞显微图像输入到特征预增强网络后,先进入编码器进行编码,得到编码特征;
编码特征输入到亮灰度先验和暗灰度先验分别进行预增强,得到预增强编码特征;
预增强编码特征输入到解码器中,得到预增强先验特征作为预增强图像;
所述生成器采用6层深度可分离卷积层构成的U形结构网络,并在每个卷积层后分别添加一个多尺度Transformer模块以加强网络的特征提取与融合,卷积层用于增加特征维度,多尺度Transformer模块用于对卷积层输出的特征进行特征提取;所述判别器由6层深度可分离卷积构成;
所述多尺度Transformer模块用于对卷积层输出的特征进行特征提取,包括以下步骤:S1,利用水平方向平均池化和垂直方向平均池化方法对每个通道进行编码,捕捉具有精确位置信息的空间长程依赖关系,并将两个空间方向整合为Zy
其中,x
S2,利用平均池化和最大池化操作来降低由于邻域大小有限而导致的估计值方差的增加,获得特征信息yy
其中,σ和β分别平均池化操作和最大池化操作;
S3,利用全局池化和全连接层,通过不同的感受野来整合获得不同尺度的特征信息,获得全局空间信息yy
其中,α表示全局池化操作,x
S4,将三个注意力通道的结果进行组合得到特征图YY
其中,Y
2.根据权利要求1所述的基于多尺度transformer的低照度相衬细胞显微图像增强方法,其特征在于,所述特征预增强网络为采用1×1深度可分离卷积核的编码器-解码器结构,所述编码器-解码器结构为4层无池化的ResNet34骨干网络。
3.根据权利要求1所述的基于多尺度transformer的低照度相衬细胞显微图像增强方法,其特征在于,所述特征预增强网络的损失函数表示为:L
其中,L
4.根据权利要求1所述的基于多尺度transformer的低照度相衬细胞显微图像增强方法,其特征在于,所述生成器和判别器组成生成对抗网络,所述生成对抗网络的损失函数L其中,L
5.根据权利要求1所述的基于多尺度transformer的低照度相衬细胞显微图像增强方法,其特征在于,所述利用训练好的低照度相衬细胞显微图像增强网络对相衬细胞显微图像进行增强,包括以下步骤:输入相衬细胞显微图像到特征增强网络中,经过编码器后得到编码特征;编码特征经亮灰度先验预增强和暗灰度先验预增强后,得到预增强特征信息;预增强特征信息经过解码器的解码,得到预增强先验特征作为预增强图像;
预增强图像输入到生成器,依次经过6层多尺度Transformer模块和6层卷积提取多尺度特征训练后,输出生成图像;生成图像输入到判别器中,得到整体亮度增强和对比度增强的增强图像。