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！

申请/专利权人：中国科学院自动化研究所

摘要：本发明提供了一种基于StyleGAN的近红外二区荧光图像转换方法和系统、电子设备以及存储介质。该方法包括：训练近红外二区b域图像生成器StyleGAN，将训练好的StyleGAN冻结参数；获取近红外二区a域图像和b域图像，近红外二区b域图像共两组样本集；将两组样本依次经过编码器和预训练的StyleGAN，分别得到转换的近红外二区b域图像，重构的近红外二区b域图像。为了借助StyleGAN强大的生成能力，编码器编码图像到其隐空间学习内容语义特征和风格特征的编码表示。在无监督场景和仅在目标域预训练的StyleGAN中实现了近红外二区荧光图像的转换，提高了图像的清晰度，促进了荧光成像的临床转化。

主权项：1.一种基于StyleGAN的近红外二区荧光图像转换方法，其特征在于，包括：将预训练的特征提取器进行参数固定作为近红外二区荧光图像转换模型的特征提取器，利用近红外二区b域荧光图像样本对所述近红外二区荧光图像转换模型的StyleGAN生成器进行预训练，得到预训练的StyleGAN生成器并将所述预训练的StyleGAN生成器进行参数固定；将所述近红外二区b域荧光图像样本作为独立图像样本集，并由近红外二区a域荧光图像样本和所述近红外二区b域荧光图像样本构成组合图像样本集，其中，所述a域和b域表示所述近红外二区不同的频域；利用所述近红外二区荧光图像转换模型的编码器、预训练的特征提取器和预训练的StyleGAN生成器对所述独立图像样本集进行重构处理，利用预定义的重构损失函数对所述独立图像样本集的重构过程进行像素一致性约束和内容特征重构一致性约束，并基于重构损失值，对所述编码器的参数进行更新；利用参数更新后的编码器、所述预训练好的特征提取器和所述预训练好的StyleGAN生成器对所述组合图像样本集进行转换，并利用预定义的转换损失函数对所述组合图像样本集的转换过程进行风格特征一致性约束和内容特征转换一致性约束，并基于转换损失值，对所述参数更新后的编码器进行参数优化；利用预定义的正则约束损失函数计算所述独立图像样本集的重构过程和所述组合图像样本集的转换过程中的正则约束损失值，并基于所述正则约束值损失值对所述编码器的编码过程进行约束；迭代进行多轮次的训练，直到满足预定义的训练条件，得到训练完成的近红外二区荧光图像转换模型，并利用所述训练完成的近红外二区荧光图像转换模型对近红外二区a域荧光图像进行转换，得到近红外二区b域荧光图像。

全文数据：

权利要求：

百度查询： 中国科学院自动化研究所 基于StyleGAN的近红外二区荧光图像转换方法和系统、电子设备以及存储介质