龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：复旦大学
摘要：本发明属于数字图像处理技术领域，具体为一种基于迭代反馈的荧光显微镜图像增强方法。本发明方法包括：通过设计基于反馈学习的深度神经网络结构，构建基于反馈学习的多阶段图像增强模型，得到对应增强结果；利用贝叶斯推断使模型同时输出重构图像和模型的重构置信度；通过在真实荧光显微镜成像数据上进行训练，使模型具有图像增强性能。实验结果表明，本发明有效提升了荧光显微镜图片的主观质量，降低模型重构的不确定性，恢复出具有较高空间分辨率和各向同性分辨率的荧光显微镜图像，显著抑制图像噪声等视觉瑕疵，极大地推进了生命科学领域的研究，为相关科研人员提供有价值的研究工具，具有较强的实用意义。
主权项：1.一种基于迭代反馈的荧光显微镜图像增强方法，其特征在于，通过设计基于反馈学习的深度神经网络结构，得到基于反馈学习的多阶段图像增强模型，重构高质量的荧光显微镜图像，得到对应增强结果；利用贝叶斯推断使模型同时输出重构图像和模型的重构置信度；具体步骤如下：1图像预处理和特征提取，具体第，使用uint16格式的数据；首先，对输入图像X进行数值归一化，将图像的取值范围统一到0～1之间；即： 然后，利用一层卷积从X′中提取输入图像的特征f0：f0＝ConvX′；2图像特征增强：构建基于反馈学习的深度神经网络模型，称为图像增强模块，采用三阶段的特征增强过程处理输入图像特征，得到不同阶段的图像特征，获得对应增强结果；3训练网络模型：利用现有成对的荧光显微镜图像样本训练深度神经网络模型，训练过程中采用L2损失函数约束模型，提升模型的性能；4基于贝叶斯推断的模型计算：在推理阶段重复执行深度神经网络模型的计算，同时开启网络模型的Dropout操作，得到网络模型最终的增强结果和结果的置信度。
全文数据：
权利要求：
百度查询： 复旦大学 一种基于迭代反馈的荧光显微镜图像增强方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号