[发明专利]一种显微镜图像的处理方法

权利要求书

1.一种显微镜图像的处理方法，其特征在于，包括：

从所述显微镜图像中提取具有有效信息的图像块；

训练生成对抗网络重构所述具有有效信息的图像块，包括：

训练所述生成对抗网络模型；

保存所述训练所述生成对抗网络模型的步骤所训练好的生成对抗网络模型；及

所述训练好的生成对抗网络模型以第一重构倍数放大重构所述具有有效信息的图像块，成为重构后的具有有效信息的图像块；以及

拼接所述重构后的具有有效信息的图像块，成为处理后的显微镜图像，

其中，所述的训练所述生成对抗网络模型包括：

取得高分辨率标签图像块；

将所述高分辨率标签图像块进行下采样，得到低分辨率图像块；

将所述低分辨率图像块输入所述生成对抗网络；

通过所述生成对抗网络生成高分辨率图像块；

计算所述高分辨率图像块相对于所述高分辨率标签图像块的损失函数；

最小化所述损失函数；以及

优化所述生成对抗网络中，生成网络的网络参数，产生优化后的生成网络参数；且

其中，所述损失函数由内容损失和对抗损失组成，并由以下公式计算而成：

f_loss＝l_Content+k·l_Gen；

l_Content＝l_MSE+l_VGG/i,j；

及

其中，f_loss为所述损失函数，l_Content为所述内容损失，l_Gen为所述对抗损失，k为对抗损失的权重，l_MSE为像素空间的最小均方差即l_VGG/i,j基于特征空间的最小均方差，I^LR为所述低分辨率图像块，I^HR为所述高分辨率标签图像块，G_θG(I^LR)为所述高分辨率图像块，W为所述低分辨率图像块的宽，H为所述低分辨率图像块的高，C为所述低分辨率图像块的通道数，r为所述生成对抗网络的重构倍率，D_θD(I)为所述生成对抗网络的鉴别网络所判断的图像I属于真实的所述高分辨率标签图像块的概率，φ是代表VGG 19网络中的特征映射，i,j是第i最大池化层之前的激活后第j卷积，N为训练样本总数。

2.如权利要求1所述的显微镜图像的处理方法，其特征在于，所述从所述显微镜图像中提取所述具有有效信息的图像块的步骤包括以下步骤：

将所述显微镜图像分割为多个图像块；以及

将所述图像块分为至少一类，所述至少一类包括所述具有有效信息的图像块的一类，提取所述具有有效信息的图像块。

3.如权利要求2所述的显微镜图像的处理方法，其特征在于，所述多个图像块的大小相同。

4.如权利要求2所述的显微镜图像的处理方法，其特征在于，所述显微镜图像的尺寸不是所述图像块的整数倍时，在所述显微镜图像的两侧补充空白图像，使得补充后的所述显微镜图像的尺寸为所述图像块的整数倍。

5.如权利要求2所述的显微镜图像的处理方法，其特征在于，所述将所述图像块分为所述至少一类，提取所述具有有效信息的图像块的步骤还包括：

将所述图像块用最大类间方差算法分为：

所述具有有效信息的图像块的所述一类，以及

背景图像块的一类。

6.如权利要求5所述的显微镜图像的处理方法，其特征在于，所述最大类间方差算法将所述显微镜图像分为前景区域及背景区域。

7.如权利要求6所述的显微镜图像的处理方法，其特征在于，所述具有有效信息的图像块的所述一类包括具有所述前景区域的所述图像块，所述背景图像块的所述一类包括不具有所述前景区域的所述图像块。