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：中国人民解放军国防科技大学

摘要：本申请涉及一种稀疏样本显微成像的自动对焦方法、装置和计算机设备，包括：将采集到的显微图像均匀划分为不重叠的图像块，并对图像块进行内容稀疏度和离焦距离的标签标注，用于分别训练离焦距离预测和内容稀疏度分类网络；进而能够采用训练好的内容稀疏度分类网络对目标图像块进行筛选，得到预设数量的稠密图像块，然后将其输入训练好的离焦距离预测网络。采用本方法能够实现精准的离焦距离预测，尤其适用于内容稀疏的显微图像。

主权项：1.一种稀疏样本显微成像的自动对焦方法，其特征在于，所述方法包括：将采集到的显微图像均匀划分为不重叠的图像块，并对图像块进行内容稀疏度和离焦距离的标签标注；其中，图像块的内容稀疏度通过图像块中前景目标区域的大小与图像块的大小的比值来确定；具体包括：对图像块进行前后景分割处理，并计算图像块中前景目标区域的大小；若图像块中前景目标区域的大小与图像块的大小之比大于设定的阈值，则将图像块标注为内容稠密图像块，否则标注为内容稀疏图像块；根据采用内容稀疏度进行标签标注的图像块训练内容稀疏度分类网络，得到训练好的内容稀疏度分类网络，根据采用离焦距离进行标签标注的图像块训练离焦距离预测网络，得到训练好的离焦距离预测网络；所述内容稀疏度分类网络采用改进的MobileNetV3-small网络来构建；输入的图像块先经过一个卷积核大小为3×3的二维卷积操作，然后依次经过3个卷积核大小为3×3的bneck模块，8个卷积核大小为5×5的bneck模块，再经过一个卷积核大小为1×1的二维卷积操作以及一个卷积核大小为7×7的池化操作，最后经过一个卷积核大小为2×2的没有批归一化层的二维卷积操作以及一个卷积核大小为1×1的没有批归一化层的二维卷积操作；所述离焦距离预测网络采用改进的ConvNeXt-T网络来构建；首先，输入图像经过一个卷积核大小为4×4、步长为4的二维卷积操作并进行批归一化操作；然后，依次经过3个输入通道数为96的ConvNeXtBlock模块，下采样后依次经过3个输入通道数为192的ConvNeXtBlock模块，下采样后依次经过9个输入通道数为384的ConvNeXtBlock模块，下采样后依次经过3个输入通道数为768的ConvNeXtBlock模块；最后，经过一个全局平均池化层操作、两个卷积核大小为1×1的没有批归一化层的二维卷积操作以及一个全连接层操作，网络的输出为预测的离焦距离值；采用训练好的内容稀疏度分类网络对目标图像块进行筛选，仅保留稠密图像块，并将预设数量的稠密图像块输入训练好的离焦距离预测网络进行离焦距离预测；其中，内容稀疏度分类网络的输出为预测类别的概率值。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 稀疏样本显微成像的自动对焦方法、装置和计算机设备