买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京欧波同光学技术有限公司申请的专利一种基于深度学习的显微图像增强方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120782649B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510823948.5，技术领域涉及：G06T5/60；该发明授权一种基于深度学习的显微图像增强方法及系统是由于小涛设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本一种基于深度学习的显微图像增强方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的显微图像增强方法及系统，涉及图像增强技术领域；将输入显微图像依次通过四个卷积池化层后得到的特征都代入预设通道补偿模块得到第一补偿特征集；将第四卷积特征代入瓶颈模块得到第五补偿特征后添加至第一补偿特征集得到第二补偿特征集；遍历第一补偿特征集中的每一补偿特征，确定该补偿特征在第二补偿特征集中的相邻补偿特征，将该补偿特征和相邻补偿特征代入融合模块得到融合特征；将第五补偿特征代入加权注意力模块得到第一注意力特征；对融合特征集和第一注意力特征进行上采样融合得到目标显微增强图像。实现在降低计算资源和耗费时间的前提下，提高图像质量，提高了显微图像提高效率。

本发明授权一种基于深度学习的显微图像增强方法及系统在权利要求书中公布了：1.一种基于深度学习的显微图像增强方法，其特征在于，所述方法包括: 获取输入显微图像，将所述输入显微图像依次通过四个卷积池化层得到卷积特征集；所述卷积特征集包括第一卷积特征、第二卷积特征、第三卷积特征和第四卷积特征； 将所述卷积特征集中的每一卷积特征都代入预设通道补偿模块得到第一补偿特征集；所述第一补偿特征集包括第一补偿特征、第二补偿特征、第三补偿特征和第四补偿特征； 将所述第四卷积特征代入瓶颈模块得到第五补偿特征，并将所述第五补偿特征添加至所述第一补偿特征集得到第二补偿特征集； 依次遍历第一补偿特征集中的每一补偿特征，确定该补偿特征在所述第二补偿特征集中的相邻补偿特征，将该补偿特征和相邻补偿特征代入融合模块得到融合特征，依次获取所有融合特征得到融合特征集； 将所述第五补偿特征代入加权注意力模块得到第一注意力特征； 对所述融合特征集和所述第一注意力特征进行上采样融合得到目标显微增强图像； 加权注意力模块包括： 获取输入特征，对所述输入特征分别进行全局平均池化、最大池化和空洞卷积得到第一池化特征、第二池化特征和空洞卷积特征； 对所述第一池化特征、所述第二池化特征和所述空洞卷积特征进行融合得到融合池化特征； 对所述融合池化特征进行重塑卷积后经过softmax函数得到第一注意力矩阵； 初始化单位矩阵和可学习矩阵，通过Adam优化器对所述可学习矩阵进行更新得到更新可学习矩阵，对所述单位矩阵和所述第一注意力矩阵进行相乘得到第二注意力矩阵，对所述第二注意力矩阵和所述更新可学习矩阵相加得到目标注意力矩阵； 对输入特征和所述目标注意力矩阵进行逐元素相乘后，经过GELU激活函数得到输出特征； 所述融合特征集包括第一融合特征、第二融合特征、第三融合特征和第四融合特征；对所述融合特征集和所述第一注意力特征进行上采样融合得到目标显微增强图像包括： 对所述第一注意力特征和所述第四融合特征进行通道拼接得到第一拼接特征，将所述第一拼接特征代入加权注意力模块后进行上采样得到第二注意力特征； 对所述第二注意力特征和所述第三融合特征进行通道拼接得到第二拼接特征，将所述第二拼接特征代入加权注意力模块后进行上采样得到第三注意力特征； 对所述第三注意力特征和所述第二融合特征进行通道拼接得到第三拼接特征，将所述第三拼接特征代入加权注意力模块后进行上采样得到第四注意力特征； 对所述第四注意力特征和所述第一融合特征进行通道拼接得到第四拼接特征，对所述第四拼接特征进行上采样后进行卷积操作得到目标显微增强图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京欧波同光学技术有限公司，其通讯地址为：100020 北京市东城区香河园街1号院11号楼17层1704-071；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。