[发明专利]无需高信噪比真值图像的结构光显微重建方法及装置

权利要求书

1.一种无需高信噪比真值图像的结构光显微重建方法，其特征在于，包括：

获取待处理生物样本图像；

将所述待处理生物样本图像输入至预先训练的生成器神经网络进行重建处理，得到所述待处理生物样本图像的重建图像；其中，所述预先训练的生成器神经网络，包括用于保留结构光条纹的预先训练的去噪神经网络，所述预先训练的去噪神经网络的训练数据为普通样本。

2.如权利要求1所述的无需高信噪比真值图像的结构光显微重建方法，其特征在于，所述预先训练的生成器神经网络的训练方法，具体包括：

获取普通样本训练数据，所述普通样本训练数据包括含噪声结构光原始数据和高信噪比真值数据；

将所述含噪声结构光原始数据输入至预设去噪神经网络，输出无噪图像训练数据；

根据所述无噪声图像训练数据和所述高信噪比真值数据对所述预设去噪神经网络进行训练，得到所述预先训练的去噪神经网络。

3.如权利要求1所述的无需高信噪比真值图像的结构光显微重建方法，其特征在于，所述预先训练的生成器神经网络的训练方法，具体包括：

获取生物样本的原始数据，所述生物样本的原始数据包括低分辨率且含噪声的图像数据；

将所述生物样本的原始数据输入至所述预先训练的去噪神经网络，以输出无噪声图像数据以及所述无噪声图像数据的第一标签，所述无噪声图像数据的分辨率高于所述原始数据中的图像数据；

将预设的随机变量作为种子，将所述种子与所述生物样本的原始数据输入至预设生成器神经网络，以生成输出图像以及所述输出图像的第二标签；

根据所述无噪声图像数据和所述第一标签，以及所述输出图像和所述第二标签对所述预设生成器神经网络进行训练，得到训练后的生成器神经网络。

4.如权利要求3所述的无需高信噪比真值图像的结构光显微重建方法，其特征在于，在所述预先训练的生成器神经网络的训练方法中，包括：所述第一标签为真标签，所述第二标签为伪标签。

5.如权利要求2-4任一项所述的无需高信噪比真值图像的结构光显微重建方法，其特征在于，根据所述无噪声图像数据和所述第一标签，以及所述输出图像和所述第二标签对所述预设生成器神经网络进行训练，得到训练后的生成器神经网络，包括：

将所述无噪声图像数据和所述第一标签以及所述输出图像和所述第二标签，输入至预先训练的辨别器神经网络，以输出图像为真/伪的概率；

根据所述图像为真/伪的概率，以所述图像的实际标签作为真值，计算损失函数，并根据所述损失函数训练所述预设生成器神经网络，得到所述训练后的生成器神经网络。

6.一种无需高信噪比真值图像的结构光显微重建装置，其特征在于，包括：

第一获取模块，用于获取待处理生物样本图像；

图像重建模块，用于将所述待处理生物样本图像输入至预先训练的生成器神经网络进行重建处理，得到所述待处理生物样本图像的重建图像；其中，所述预先训练的生成器神经网络，包括用于保留结构光条纹的预先训练的去噪神经网络，所述预先训练的去噪神经网络的训练数据为普通样本。

7.如权利要求6所述的无需高信噪比真值图像的结构光显微重建装置，其特征在于，所述图像重建模块中的所述预先训练的生成器神经网络的训练装置，具体包括：

第一获取单元，用于获取普通样本训练数据，所述普通样本训练数据包括含噪声结构光原始数据和高信噪比真值数据；

第一处理单元，用于将所述含噪声结构光原始数据输入至预设去噪神经网络，输出无噪图像训练数据；

第一训练单元，用于根据所述无噪声图像训练数据和所述高信噪比真值数据对所述预设去噪神经网络进行训练，得到所述预先训练的去噪神经网络。