[发明专利]一种基于GSCGAN的图像灰度立体转换方法

权利要求书

1.一种基于GSCGAN的图像灰度立体转换方法，其特征在于，包括以下步骤：

步骤1、利用科研级显微镜采集P个透明样本，分别获取明场模式、相衬模式以及微分干涉模式下对应的图像，共3P幅，P≥200；上述每幅图像像素大小为1000×1000，并将图像转化为灰度图像，分别对应构成明场模式图像集、相衬模式图像集以及微分干涉模式图像集；

步骤2、用相衬成像及微分干涉成像中的光线传播卷积公式代替传统GAN中的卷积传播运算来构建复值GAN，将两个复值GAN首尾相连形成一个循环结构，并在每一层输出图像后加入模式判别器D_m，获得初步GSCGAN模型；

步骤3、将明场模式图像集中的灰度图像作为原始训练图像，相衬模式图像集以及微分干涉模式图像集中的灰度图像作为理想训练目标图像，通过对原始训练图像的和理想训练目标图像进行傅里叶变换，将上述图像中每一个像素值变为复数，对应幅值和相位分别获得实数对与虚数对的图像特征图，并以复值形式分别输入初步GSCGAN模型中进行训练，得到GSCGAN模型；

步骤4、采集透明目标样本图像作为真实数据，图像像素大小在1000×1000，并将图像转化为灰度图像，输入GSCGAN模型中，即得到对应相衬干涉图或微分干涉图像，进而实现明暗分明的立体成像效果。

2.根据权利要求1所述的基于GSCGAN的图像灰度立体转换方法，其特征在于：步骤1中，不改变科研级显微镜的角度和位置对同一个透明样本采集其在明场模式、相衬模式以及微分干涉模式下对应的图片。

3.根据权利要求1所述的基于GSCGAN的图像灰度立体转换方法，其特征在于：步骤2中，相衬成像及微分干涉成像中的光线传播卷积公式是基于相衬及微分干涉成像理论求得，具体如下：

对于相衬成像，假设物体透射光复振幅分布为通过改变物体的相位频谱信息，变换后的复振幅分布为光强分布为其中δ表示零级相移，表示相位信息，i表示虚数单位，(x′,y′)表示像面上信息点的坐标；由上式可知光强与相位是线性关系，相位差转换成了振幅信息，则转换后图像可以看到明暗差别；

对于微分干涉成像，样品成像的光强分布为其中表示正交线偏振光间干涉相差，E₀表示偏振分量的振幅，H(o,e)表示样品表面形貌微分，o表示棱镜的位置，被测相位分布式中λ表示光波波长，Δo为正交线偏振光间横向剪切量，β(o)为棱镜相差，是关于棱镜位置的线性函数。

所述复值在网络中表示的方法如下：一个复数z＝A+ib有一个实分量A和一个虚分量b，我们将一个复数的实部A和虚部b表示为逻辑上不同的实值实体，并在内部使用实值算法模拟复数算术，i表示虚数单位；若一个实值二维卷积层有N个特征映射，使N能被2整除；为了将它们表示为复数，则分配第一个N/2特征映射来表示实分量，其余的N/2特征映射来表示虚分量。因此，对于连接输入特征映射N_in到输出特征映射N_out的四维权值张量W，其核大小为n×n，即有一个大小为(N_out×N_in×n×n)/2的复权值张量。