摘要
本发明公开了一种双监督训练的结构光照明显微深度学习重建方法。本发明在高激光强度和高曝光时间条件下采集原始结构光照明显微超分辨图像以及原始宽场真值图像,以及在同视野下在低激光强度和短曝光条件下采集原始调制宽场图像,进行图像增强后作为训练数据集;根据成像使用参数生成系统的点扩散函数,并且构建结构光照明显微重建的神经网络;利用基于结构光照明显微超分辨图像和基于宽场真值图像的双监督形式对结构光照明显微重建的神经网络进行梯度下降训练;本发明能够进一步提高深度学习重建结构光超分辨显微图像的性能;本发明应用于条纹调制结构光和晶格调制结构光照明显微镜等主流结构光照明显微镜的图像重建。
技术关键词
结构光照明显微镜
生成系统
图像增强
激光
成像
双线性插值方法
深度学习平台
代表
通道注意力机制
点扩展函数
皮尔逊相关系数
视野
训练神经网络
随机梯度下降
强度
上采样
系统为您推荐了相关专利信息
超声波采集装置
无损检测方法
超声波技术
道路结构
超声波发射装置
业务性能数据
图表生成方法
子模块
历史性能数据
图表生成系统
性检测技术
饲料成分
轮换策略
蛋鸡
深度信念网络
协方差矩阵
激光雷达点云
室外定位模式
定位方法
动态
物体
云台
计算机程序指令
图像识别算法
计算机程序产品