摘要
本发明涉及图像处理技术领域,具体涉及一种荧光标记细胞成像图像增强处理方法,旨在解决现有残差网络存在的残差特征利用不充分和细节丢失的问题。通过设计结合两层残差聚合结构和感受野扩展双注意力机制的深度神经网络模型,用于单幅图像超分辨率重建。该模型通过跳跃连接形成两层嵌套的残差聚合网络结构,对网络各层提取的残差信息进行分层聚集和融合,能减少包含图像细节的残差信息的丢失。同时,设计一种多尺度感受野扩展模块,能够捕获更大范围、不同尺度的上下文相关信息,促进深层残差特征的有效提取;并引入空间‑通道双注意力机制,增强残差网络的判别性学习能力,提高重建图像的质量。本发明在提高图像细节保留能力方面具有显著效果。
技术关键词
荧光标记细胞成像
深度神经网络模型
残差信息
注意力机制
加权特征
扩展模块
多尺度
单幅图像超分辨率
残差网络
通道
图像增强
低信噪比图像
荧光显微图像
信噪比数据
图形处理单元
全局平均池化
图像处理技术
系统为您推荐了相关专利信息
天气图像分类方法
神经网络参数
通道
注意力机制
图像分类技术
电力变压器
温度监测方法
故障诊断模型
测温螺栓
故障特征
能量管控方法
神经网络模型
供能系统
电力机车
新能源系统
自动匹配方法
时序依赖关系
关键词
序列
注意力机制