[发明专利]一种应用于显微成像的图像高光去除方法

权利要求书

1.一种应用于显微成像的图像高光去除方法，其特征在于，包括：

构建高光去除模型，

所述高光去除模型包括生成器、判别器、及UNet网络，所述生成器通过随机噪声来产生近似无高光的图像，所述判别器对生成器产生的图像进行判别，并给出所述判别的可信度，所述UNet网络用于图像高光部分的去除；

训练所述高光去除模型，

对场景采集有高光图像序列A，对所述场景采集无高光的图像序列B，以所述序列A为输入，所述序列B为输出，对所述高光去除模型进行训练；

高光去除，

将存在高光的任一图像送入高光去除模型，获取所述任一图像的无高光图像。

2.根据权利要求1所述的方法，其特征在于，所述的生成器包括第一顶层模块、压缩模块、迁移模块、第一扩展模块和第一底层模块；

所述第一顶层模块包含尺寸为3的边缘填充，7×7尺寸卷积核，InstanceNorm归一化函数和ReLU激活层；

所述压缩模块包括2个压缩组件，所述压缩组件包括第一卷积层及第一激活层；

所述迁移模块包括9个迁移组件，所述迁移组件由两个第一卷积模块组成，所述第一卷积模块包括尺寸为1的边缘填充，3×3尺寸卷积核，InstanceNorm归一化函数和ReLU激活层；

所述第一扩展模块包括2个扩展组件，所述扩展组件包括反卷积层、第二激活层，所述反卷积层采用3×3尺寸卷积核，滑动步长为2，零边缘填充尺寸为1，归一化函数为InstanceNorm，所述第二激活层采用ReLU函数；

所述第一底层模块包含尺寸为3的边缘填充，7×7尺寸卷积核和tanh激活层。

3.根据权利要求1所述的方法，其特征在于，所述判别器包括第二顶层模块、第二扩展模块及第二底层模块；

所述第二顶层模块包含卷积层和LeakyReLU激活层，所述第二卷积层采用4×4尺寸卷积核，滑动步长为2，零边缘填充尺寸为1，所述LeakyReLU激活函数参数设定为0.2；

所述第二扩展模块包含3个扩展组件，所述扩展组件包括第三卷积层和第三激活层，所述第三卷积层采用4×4尺寸卷积核，滑动步长为2，零边缘填充尺寸为1，归一化函数为InstanceNorm，所述第三激活层采用LeakyReLU函数。

所述第二底层模块为一个4×4尺寸卷积核，滑动步长为1，零边缘填充尺寸为1的卷积层。

4.根据权利要求1所述的方法，其特征在于，还包括：

采用图像处理时域算法获取高光部分，将所述高光部分用于高光去除模型训练，以加速所述高光去除模型训练。