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！

龙图腾网获悉南京大学申请的专利一种多模态通用大视场虚拟染色后处理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：CN119784877B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202510274990.6，技术领域涉及：G06T11/00；该发明授权一种多模态通用大视场虚拟染色后处理方法是由马展;王俊镓;周游设计研发完成，并于2025-03-10向国家知识产权局提交的专利申请。

本一种多模态通用大视场虚拟染色后处理方法在说明书摘要公布了：本发明提供了一种多模态通用大视场虚拟染色后处理方法，包括以下步骤：步骤1，建立循环对抗生成网络，将红绿蓝RGB颜色空间转换为色相H、饱和度S、色明度V颜色空间，并提取色明度通道；步骤2，建立基于置信度的大视场拼接模块，处理大视场显微图像，消除小图像拼接过程边界不一致中的伪影；本发明的方法可以确保在模态转换过程中正确的颜色映射关系和图像内容的保留，同时以即插即用的后处理方法消除在图像序列拼接中产生的伪影，该框架能够处理各种跨模态转换，并且非常适合处理大规模和高分辨率图像，有效解决了许多现有方法中遇到的边界不一致性问题。

本发明授权一种多模态通用大视场虚拟染色后处理方法在权利要求书中公布了：1.一种多模态通用大视场虚拟染色后处理方法，其特征在于，包括以下步骤： 步骤1，建立循环对抗生成网络，将红绿蓝RGB颜色空间转换为色相H、饱和度S、色明度V颜色空间，并提取色明度通道； 步骤2，建立基于置信度的大视场拼接模块，处理大视场显微图像，消除小图像拼接过程边界不一致中的伪影； 步骤1中，设置分别为A模态和B模态非配对的图像数据集，所述循环对抗生成网络包括对抗损失、循环一致性损失以及色明度损失； 所述对抗损失用于训练生成器，生成与真实图像相似的虚拟图像，数学表达式为： ， ， 其中和分别表示生成器的对抗性损失和生成器的对抗性损失，表示从B模态的图像分布中随机采样一张图像b，表示从A模态的图像分布中随机采样一张图像，E·和p·分别表示数据的期望和分布概率，和表示两个生成器，和表示两个鉴别器；生成器将来自A模态的真实图像作为输入，并生成B模态虚拟图像，鉴别器用于区分来自B模态的真实图像和虚拟图像；生成器基于B模态的真实图像生成A模态的虚拟图像，鉴别器用于区分A模态的真实图像和虚拟图像； 所述循环一致性损失用于保持原始图像内容的完整性，数学表达式为： ， 其中是L1正则化；是循环一致性损失；表示A模态图像的期望，表示B模态图像的期望； 所述色明度损失用于将红绿蓝RGB颜色空间转换为色相H、饱和度S、色明度V颜色空间，并提取色明度通道，进行色明度约束，确保颜色映射的准确性，数学表达式为： ， 其中，和分别对应于生成器的A模态真实图像输入的输出和生成器的B模态真实图像输入的输出；value·表示色明度通道的色明度，是色明度损失，是色明度损失的权重； 步骤2中，所述基于置信度的大视场拼接模块将A模态真实图像的大规模高分辨率全视场图像裁剪为每m像素的小图像序列，将序列输入到步骤1训练好的网络模型中，得到B模态虚拟图像的输出序列； 根据序列在全视场输入中的原始位置，将序列的每个图像填充到一个零填充矩阵中，形成序列； 设计一个与全视场输入大小相同的权重矩阵，使用哈达玛积将权重矩阵乘以序列，并进行归一化，获得B模态的最终虚拟全视场输出，公式为： ， 其中，表示虚拟染色后零填充的第i个小图像序列，N表示小图像的数量，表示哈达玛积。

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南京大学，其通讯地址为：210000 江苏省南京市栖霞区仙林大道163号南京大学；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”。