[发明专利]一种共聚焦显微镜的成像方法

权利要求书

1.一种共聚焦显微镜的成像方法，其特征在于，包括如下步骤：

S1：使用光聚焦显微镜采集低扫描密度图像；

S2：将所述低扫描密度图像重建成高分辨率图像；

S3：输出所述高分辨率图像；

在步骤S1之前还包括：

训练共聚焦图像超分辨率深度网络模型，利用所述共聚焦图像超分辨率深度网络模型将所述低扫描密度图像重建成高分辨率图像；

所述共聚焦图像超分辨率深度网络模型包括基于PSNR的初级模型和基于视觉效果高级模型；

训练共聚焦图像超分辨率深度网络模型包括如下步骤：

T1：构建基于生成对抗网络的共聚焦图像超分辨率深度网络模型，

T2：构建训练数据集：使用光聚焦显微镜采集相同视野下的低扫描密度图像和与所述低扫描密度图像相应的第一高扫描密度图像；

T3：利用训练数据集对所述共聚焦图像超分辨率深度网络模型的所述初级模型进行训练，采用空间域损失函数进行约束；

T4：基于所述初级模型的训练结果，利用训练数据集对所述共聚焦图像超分辨率深度网络模型的所述高级模型进行训练，采用相对生成对抗损失函数、感知损失函数和傅里叶频域损失函数进行约束。

2.如权利要求1所述的共聚焦显微镜成像方法，其特征在于，所述初级模型包括：

生成器：所述低扫描密度图像作为输入，对所述低扫描密度图像重建后得到第二高扫描密度图像。

3.如权利要求2所述的共聚焦显微镜成像方法，其特征在于，所述生成器将所述低扫描密度图像重建得到所述第二高扫描密度图像包括如下步骤：

通过特征提取模块提取所述低扫描密度图像的特征；

通过特征映射模块重复地将所述特征映射到高维空间，再映射回低维空间，最终得到高维特征；

将所述高维特征输入到重建模块，所述重建模块基于所述高维特征和所述低扫描密度图像重建出所述第二高扫描密度图像。

4.如权利要求3所述的共聚焦显微成像方法，其特征在于，所述特征映射模块采用发现传播反馈结构进行特征映射，具体包括：

融合模块，用于利用不同的加权参数来将不同的特征组合起来；

上采样模块，由反卷积层-卷积层-反卷积层的顺序结构构成；

下采用模块，由卷积层-反卷积层-卷积层的顺序结构构成。

5. 如权利要求4所述的共聚焦显微镜成像方法，其特征在于， 对于第1个所述融合模块，输入有两个来源，分别是所述特征提取模块提取的所述低扫描密度图像特征和上一次迭代的结果，和被分别乘上不同的权重然后拼接起来，得到了第1个所述上采样模块的输入：

；

其中，表示所述低扫描密度图像特征的权重；表示所述上一次迭代的结果的权重；

将作为第1个上采样模块的输入得到：

；

将作为第1个下采样模块的输入得到：

；

以此类推可以得到和:

；

；

其中，N表示一共有N个上采样或下采样模块对；表示第n次拼接中对应的权重；表示第n次拼接中对应的权重；表示第n次拼接中对应的权重；表示第n次拼接中对应的权重；表示第n次拼接中对应的权重；表示第n次拼接中对应的权重；表示第n次拼接中对应的权重；表示第n次拼接中对应的权重；

最后，所述特征提取模块的输出表示为：

；

其中，表示最终拼接中对应的权重；表示最终拼接中对应的权重；表示最终拼接中对应的权重；表示最终拼接中对应的权重。

6.如权利要求5所述的共聚焦显微镜成像方法，其特征在于，所述高级模型包括：

相对生成对抗判别器模块：将所述第一高扫描密度图像作为第一输入，所述第二高扫描密度图像作为第二输入，用于约束所述第二高扫描密度图像的数据流在所述第一高扫描密度图像的空间附近；

Vgg特征提取模块：用于提取深层语义信息，约束所述第二高扫描密度图像的特征与所述第一高扫描密度图像的相似程度；

傅里叶变换模块：用于转换到频域进行对比，滤除所述第二高扫描密度图像的特征中不属于所述第一高扫描密度图像的特征。