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！

摘要：本发明提出了一种实验动物神经恢复图像处理方法，涉及图像超分辨率领域。本发明提出了实验动物神经恢复图像处理流程，包括实验动物神经恢复图像收集、构建一阶初始化模块、构建一阶降噪模块、构建二阶初始化模块、构建二阶降噪模块、构建高分辨率特征优化模块、构建实验动物神经恢复图像超分辨率模型、训练实验动物神经恢复图像超分辨率模型和实验动物神经恢复图像处理；同时提出了实验动物神经恢复图像超分辨率模型，其中高分辨率特征优化模块通过高效的多层感知器结构，实现4倍分辨率的高质量实验动物神经恢复图像重建。

主权项：1.一种实验动物神经恢复图像处理方法，其特征在于，包括以下步骤：S1、实验动物神经恢复图像收集，在实验动物神经恢复周期内，规律性制作染色组织切片，并通过电子显微镜观察染色组织切片，获取多张高分辨率实验动物神经恢复图像，然后进行四倍下采样，得到多张低分辨率实验动物神经恢复图像，并和多张高分辨率实验动物神经恢复图像对应保存为多个训练对，从而形成实验动物神经恢复图像超分辨率数据集；S2、构建一阶初始化模块，包含卷积和上采样；具体为：输入低分辨率实验动物神经恢复图像，，h、w和3是低分辨率实验动物神经恢复图像的高、宽和通道，将输入到3×3卷积和ReLU函数，得到特征图，，相比低分辨率实验动物神经恢复图像，特征图的通道变化为，将特征图输入到2倍上采样得到特征图，，相比特征图，特征图的高和宽都提升至2倍，特征图是一阶初始化模块的输出特征图；S3、构建一阶降噪模块，包含卷积块；具体为：首先获得一阶初始化模块的输出，，2h、2w和是的高、宽和通道，然后计算的噪声特征图，，和维度相同，中每一个位置取值方式为，表示区间中均匀分布生成的随机数，将和进行逐元素相加得到，，然后得到特征图，，是第一个卷积块，卷积块由卷积操作、归一化操作和激活函数组成，，然后得到特征图，，是最大池化层，，然后得到特征图，，是第二个卷积块，，然后得到特征图，，，然后得到特征图，，，是第三个卷积块，然后得到特征图，，，是第一个转置卷积，然后将和逐元素相加得到特征图，，然后得到特征图，，，是第二个转置卷积，将和进行逐元素相加得到特征图，，然后得到特征图，，是第三个转置卷积，，然后得到特征图，，，是第四个转置卷积，特征图是一阶降噪模块的输出特征图；S4、构建二阶初始化模块，包含转置卷积；具体为：输入低分辨率实验动物神经恢复图像，，h、w和3是低分辨率实验动物神经恢复图像的高、宽和通道，将输入到转置卷积和ReLU函数，得到特征图，，相比低分辨率实验动物神经恢复图像，特征图的通道变化为，的高和宽都提升至2倍，将特征图输入到2倍上采样得到特征图，，相比特征图，特征图的高和宽都提升至2倍，特征图是二阶初始化模块的输出特征图；S5、构建二阶降噪模块，包含卷积块；具体为：首先获得二阶初始化模块的输出特征图和一阶降噪模块的输出特征图，将特征图和特征图逐元素相加得到特征图，，4h、4w和是的高、宽和通道，是二阶降噪模块的输入特征图，计算特征图的噪声特征图，，和维度相同，中每一个位置取值方式为，表示区间中均匀分布生成的随机数，将和进行逐元素相加得到，，然后得到特征图，，是第一个卷积块，卷积块由卷积操作、归一化操作和激活函数组成，，然后得到特征图，，是最大池化层，，然后得到特征图，，是第二个卷积块，，然后得到特征图，，，然后得到特征图，，，是第三个卷积块，然后得到特征图，，，是第一个转置卷积，然后将和逐元素相加得到特征图，，然后得到特征图，，，是第二个转置卷积，将和进行逐元素相加得到特征图，，然后得到特征图，，是第三个转置卷积，代表逐元素相加，，特征图是二阶降噪模块的输出；S6、构建高分辨率特征优化模块，包含循环特征块；具体为：对于高分辨率特征优化模块，首先构建循环特征块，循环特征块依次由归一化层、LeakyReLU激活函数、可变形卷积、空间注意力、随机失活层、归一化层、LeakyReLU激活函数、可变形卷积组成，循环特征块同时包含一条跳跃连接，将循环特征块的输入和循环特征块中最后一个可变形卷积的输出进行逐元素相加，然后将二阶降噪模块的输出特征图作为高分辨率特征优化模块的输入特征图，，4h、4w和是的高、宽和通道，然后得到特征图，，，是3×3卷积，将特征图输入到多个串联的循环特征块，得到特征图，，然后生成特征图对应的极坐标图，，对于特征图的每一个位置，使用半径和角度表示，，，则位置的半径计算为，位置的角度计算为，是双变量反正切函数，通过计算所有位置的半径和角度，形成极坐标图，然后将极坐标图和特征图进行逐元素相加，得到特征图，，然后得到超分辨率实验动物神经恢复图像，，，由全连接层、ReLU激活函数和层归一化组成，超分辨率实验动物神经恢复图像是高分辨率特征优化模块的输出；S7、构建实验动物神经恢复图像超分辨率模型，包含输入、一阶初始化模块、一阶降噪模块、二阶初始化模块、二阶降噪模块、高分辨率特征优化模块和输出；具体为：对于实验动物神经恢复图像超分辨率模型，输入低分辨率实验动物神经恢复图像，，h、w和3是低分辨率实验动物神经恢复图像的高、宽和通道，将低分辨率实验动物神经恢复图像输入到一阶初始化模块，得到特征图，，代表通道数，将特征图输入到一阶降噪模块，得到特征图，，将低分辨率实验动物神经恢复图像输入到二阶初始化模块，得到特征图，，将特征图和特征图逐元素相加得到特征图，将特征图输入到二阶降噪模块，得到特征图，，将特征图输入到高分辨率特征优化模块，得到超分辨率实验动物神经恢复图像，，相比低分辨率实验动物神经恢复图像，超分辨率实验动物神经恢复图像的宽和高都提升至4倍；S8、训练实验动物神经恢复图像超分辨率模型，使用实验动物神经恢复图像超分辨率数据集训练实验动物神经恢复图像超分辨率模型，按照七比三划分训练集和测试集；S9、实验动物神经恢复图像处理，选择需要进行超分辨率的低分辨率实验动物神经恢复图像，输入到实验动物神经恢复图像超分辨率模型，得到超分辨率实验动物神经恢复图像。

全文数据：

权利要求：

百度查询： 沈阳医学院 一种实验动物神经恢复图像处理方法