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！

龙图腾网恭喜福州大学申请的专利一种拼接显微图像的无监督自适应条纹校正方法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：CN115760622B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202211458018.7，技术领域涉及：G06T5/77；该发明授权一种拼接显微图像的无监督自适应条纹校正方法是由刘文犀;刘晓翔;王舒;孙新全;李越颖设计研发完成，并于2022-11-16向国家知识产权局提交的专利申请。

本一种拼接显微图像的无监督自适应条纹校正方法在说明书摘要公布了：本发明提供了一种拼接显微图像的无监督自适应条纹校正方法，包括以下步骤：步骤S1：对带条纹的拼接显微图像进行数据预处理；步骤S2：构造非配对的正负样本作为训练数据；步骤S3：设计对生成结果进行评估的判别器；步骤S4：训练对抗式网络模型；步骤S5：对给定的待修复图像进行从局部到整体的校正，以滑动窗口的方式重叠地将图像块输入到条纹校正模块，输出校正块；最后将所有的校正块合并，形成最终的校正结果。该方法不需要调整光学仪器的设置，且不依赖估计的物理参数或原始拼接信息。该方法可适用于大多数成像实验中训练数据不足的情况。

本发明授权一种拼接显微图像的无监督自适应条纹校正方法在权利要求书中公布了：1.一种拼接显微图像的无监督自适应条纹校正方法，其特征在于，包括以下步骤： 步骤S1：对带条纹的拼接显微图像进行数据预处理，根据条纹和伪影的位置对原图进行分块；利用干净的显微图像合成出条纹和伪影，根据条纹和伪影的位置对原图进行分块； 步骤S2：使用临近采样的策略，采样出足够的异常块和正常块，构造非配对的正负样本作为训练数据； 步骤S3：设计条纹校正模块、条纹合成模块，以及设计对生成结果进行评估的判别器； 步骤S4：基于步骤S3设计的模块，设计循环的对抗式训练的网络结构，并利用步骤S1获得的训练集来训练对抗式网络模型； 步骤S5：对给定的待修复图像进行从局部到整体的校正，以滑动窗口的方式重叠地将图像块输入到条纹校正模块，输出校正块；最后将所有的校正块合并，形成最终的校正结果； 步骤S4具体包括以下步骤： 步骤S41：设计循环的网络结构；记步骤S21设计的条纹校正网络和条纹合成网络分别为GC和GS；循环的结构由两条分支组成，分别以步骤S2中采样的异常块和正常块作为输入；第一条分支将异常块IX输入到条纹校正网络GC中，得到校正块I′Y，再将其输入到条纹合成网络GS，得到合成块I′X；第二条分支将正常块IY输入到条纹合成网络GS中，得到合成块I″X，再将其输入到条纹校正网络GC，得到校正块I″Y； 步骤S42：设计对抗式训练的网络结构；记步骤S32设计的两个判别器网络分别为DY和DX；判别器DY以正常块IY作为参考，评估校正块I′Y的质量；判别器DX以异常块IX作为参考，评估合成块I″X的质量；通过GC、GS和DY、DX的生成对抗，来提高GC的条纹校正能力和GS的条纹合成能力； 步骤S43：根据循环的对抗式训练的网络的损失函数，利用反向传播方法计算网络中各参数的梯度，并更新参数；所述损失函数如下： Lcons＝EX||GSGCX-X||1+EY||GCGSY-Y||1 L＝λLcons+Ladv 其中，E是计算异常块X和正常块Y分布的期望值，Lcons为循环结构的一致性损失函数，和分别是条纹校正网络GC和条纹合成网络GS的对抗损失，λ为平衡损失的参数，L是条纹校正网络和条纹合成网络的损失函数；和分别是判别器DY和DX的损失函数。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。