买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华侨大学

摘要：本发明公开了一种非参考无标记细胞显微图像视觉增强方法，涉及图像处理技术领域，包括以下步骤：采集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；所述显微视觉增强网络包括预增强网络和增强网络；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，输出多尺度特征信息；增强网络采用生成对抗网络，根据多尺度特征信息实现图像增强。本发明解决了无标记细胞显微图像存在的对比度低、弱边缘和整体亮度较暗等问题，且无需进行参考标准图像训练。

主权项：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FCSoftMax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，LSPR表示空间一致性重建损失项，H和W分别表示输入图像的高和宽，M和N分别表示局部区域高和宽；avgYEi,j表示增强图像的局部区域平均灰度值，avgYIi,j表示输入图像的局部区域平均灰度值，Ei,j在表示增强图像中心点，Ii,j表示输入图像中心点；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，LUIS表示不均匀照度损失项，和分别表示水平和垂直梯度操作，Al表示增强图像中的高频信息；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，LEA表示曝光控制损失项，K表示非重叠局部区域的数量，Lk表示增强图像中局部区域的平均灰度值，Q表示自适应曝光调整量，表示为： 其中，IMAX、IMIN、Iμ和Iavg分别表示增强图像的最大值、最小值、标准差和均值。

全文数据：

权利要求：

百度查询： 华侨大学 一种非参考无标记细胞显微图像视觉增强方法