摘要
本发明公开了一种结构光照明显微镜图像重建模型的构建方法及装置,属于图像处理技术领域。该方法包括:采集结构光照明显微镜的成对数据集;对数据集进行预处理,划分为训练集和测试集;构建结构光照明显微镜重建的深度神经网络模型,并将其部署为贝叶斯神经网络,深度神经网络模型输出重建超分辨图像分布的重建均值和重建标准差;对贝叶斯神经网络的参数的后验分布进行推断,得到多组参数集;训练后得到训练好的具有多组不同参数集的贝叶斯神经网络;将测试数据和每组参数输入训练好的贝叶斯神经网络中进行模型推理,得到对应的重建的超分辨图像,重建的数据不确定性,重建的模型不确定性。实现量化重建超分辨图像的不确定性。
技术关键词
贝叶斯神经网络
结构光照明显微镜
深度神经网络模型
图像重建
原始图像数据
参数
贝叶斯模型
残差卷积神经网络
信噪比
深度特征提取
图像处理技术
数据采集模块
测试模块
功率
系统为您推荐了相关专利信息
MLP神经网络
噪声图像
深层特征提取
Inception模型
图像采集单元
智能化调控方法
样本
舒适度
丝杆螺母
梯度下降法
三维图像数据
图像检索系统
图像特征提取技术
概率密度函数
变量
服务器节点
负载均衡调度方法
指标
雷达
网络拓扑
静止轨道卫星
洪涝灾害监测
深度学习模型
超分辨率图像重建
遥感图像数据