欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024109255067
申请人: 华侨大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种非参考无标记细胞显微图像视觉增强方法,其特征在于,包括以下步骤:获取显微成像系统中采集的无标记细胞显微图像,形成数据集;

构建显微视觉增强网络;

利用数据集对显微视觉增强网络进行训练;

使用训练好的显微视觉增强网络对无标记细胞显微图像进行增强,获得增强后图像;

所述显微视觉增强网络包括预增强网络和增强网络;预增强网络接收无标记细胞显微图像,通过显微视觉Retinex块增强对比度以获得预增强图像,通过多尺度特征提取模块对预增强图像进行特征提取,输出多尺度特征图到增强网络;增强网络采用生成对抗网络,根据多尺度特征图实现图像增强;

所述通过多尺度特征提取模块对预增强图像进行特征提取,包括以下步骤:利用1×1、3×3和5×5深度可分卷积分别捕获不同尺度的特征信息;

通过线性层FC SoftMax激活函数对不同尺度的特征信息进行归一化集成,得到包含多尺度细节特征和结构特征的多尺度特征信息;

利用残差运算、1×1、3×3和5×5深度可分卷积在特征层面融合多尺度特征信息,得到多尺度特征图;

所述生成对抗网络包括无参考损失函数块、生成器和判别器,生成器用于接收多尺度特征信息,输出增强图像;无参考损失函数块用于指导生成器生成增强图像;判别器用于防止生成器生成不符合的增强图像;

所述无参考损失函数块通过构建三个损失项约束生成器的生成过程,包括:空间一致性重建损失项,约束输入图像和增强图像之间的细胞差异以及输入图像和增强图像之间的背景差异,表示为:其中,L

不均匀照度损失项,保持相邻像素之间的单调关系,表示为:其中,L

曝光控制损失项,通过控制局部区域的平均灰度值与自适应曝光调整水平之间的距离来限制曝光水平,表示为:其中,L

其中,I

2.根据权利要求1所述的非参考无标记细胞显微图像视觉增强方法,其特征在于,预增强网络由依次连接的编码器、显微视觉Retinex块、解码器和多尺度特征提取模块组成;

编码器采用若干层无池化的ResNet50骨干网络,生成若干个不同尺度的特征图,并输出到显微视觉Retinex块;

显微视觉Retinex块对不同尺度的特征图提取显微视觉特征信息,输出不同尺度的显微视觉特征信息到解码器;

解码器采用若干层无池化的ResNet50骨干网络,对不同尺度的显微视觉特征信息进行解码,输出预增强图像到多尺度特征提取模块;

多尺度特征提取模块对预增强图像进行特征提取,得到多尺度特征图。

3.根据权利要求1所述的非参考无标记细胞显微图像视觉增强方法,其特征在于,所述显微视觉Retinex块对不同尺度的特征图提取显微视觉特征信息,包括以下步骤:以输入的不同尺度的特征图作为折射分量,计算照明光波分量,表示为:L

根据照明光波分量和折射分量计算预增强图像,表示为:log[S

其中,S

4.根据权利要求3所述的非参考无标记细胞显微图像视觉增强方法,其特征在于,所述显微视觉Retinex块生成预增强图像的过程中,应用平滑LL

其中,L

5.根据权利要求1所述的非参考无标记细胞显微图像视觉增强方法,其特征在于,生成器采用10层卷积构成的U形结构网络,判别器采用5层卷积构成的U形结构网络。

6.根据权利要求1所述的非参考无标记细胞显微图像视觉增强方法,其特征在于,所述利用数据集对显微视觉增强网络进行训练的步骤中,训练采用的损失函数为:L

其中,λ

L

其中,L