公开(公告)号：CN119919290A

公开(公告)日：2025-05-02

申请号：CN202311428232.2

申请日：2023-10-30

Applicant: 上海交通大学

Inventor： 吴晓燕 ,  王俊杰 ,  翟鑫亮 ,  项凯楠 ,  石剑虹 ,  曾贵华

IPC: G06T3/4053 ,  G06V10/44 ,  G06V10/82 ,  G06V10/48 ,  G06V10/60 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提供一种基于物理模型先验神经网络的结构光照明显微重建方法，其中，所述方法包括：获取实验数据，实验数据包括图像原始输入序列；将实验数据输入至卷积神经网络初始化模型中得到模型初始输出；基于傅里叶变换以及空域相似性作为约束条件结合模型初始输出对卷积神经网络初始化模型进行参数迭代优化训练以得到目标卷积神经网络模型；将目标卷积神经网络模型对应的模型输出图像作为目标图像进行输出。本发明一方面采用卷积神经网络作重参数化，提高了在噪声条件下重建的鲁棒性，同时保证了重建结果与输入数据源的一致性；另一方面通过采用预训练加微调的二阶段策略提升了整体重建过程的收敛速度与收敛稳定性。