摘要
本发明提出一种微生物实验菌落图像处理方法,属于图像增强领域;通过学生增强网络和均值教师辅助学习网络相结合,充分利用有限标注数据和大量未标注数据;学生增强网络提取图像特征并生成增强后的潜在变量,均值教师网络通过非线性变换和自适应正则化生成伪标签指导学习;引入高斯过程回归损失模块,结合加权误差和协方差矩阵不确定性度量优化学习过程,避免过拟合;优化潜在变量选择模块基于峰值信噪比和多样性评分筛选高质量潜在变量集合;多损失函数模块结合L1损失、SSIM损失和感知损失进行加权优化,进一步提升图像增强效果;本发明在精度、鲁棒性和适用性方面优于现有技术,适用于微生物实验中的高质量图像处理需求。
技术关键词
菌落图像
变量
图像处理方法
协方差矩阵
教师
峰值信噪比
图像增强模型
学生
网络模块
标签
非线性
调节误差
数据
度量
参数
系统为您推荐了相关专利信息
电磁矢量阵列
测向方法
短时傅里叶变换
协方差矩阵
信道
知识图谱构建方法
节点
诊疗信息
特征向量值
知识图谱构建系统
渲染方法
卫星遥感数据
力反馈机制
动态纹理
扩展卡尔曼滤波