[发明专利]一种振幅相位通道注意力的结构光照明显微镜重建方法

权利要求书

1.一种振幅相位通道注意力的结构光照明显微镜重建方法，其特征在于，包括以下步骤：

获取结构化照明显微镜的原始数据，若原始数据为多个时间点的原始数据，则计算原始数据的特征图；

通过一个卷积层提取原始数据的特征图中的低频特征；

将低分辨率特征作为四个级联的残差组的输入，获取原始数据的特征图中的高频特征；

根据高频特征与低频特征进行过图像重建，得到超分辨率图像。

2.根据权利要求1所述的一种振幅相位通道注意力的结构光照明显微镜重建方法，其特征在于，计算原始数据的特征图包括以下步骤：

每个时间点的原始数据包括三个方向和三个相位，将该图像提取成27帧的stack，每个方向和相位的stack经过3×3卷积层处理，得到一个特征图；

三个方向和三个相位的叠加可以输出9帧特征图；

将9帧特征图拼接在一起作为原始数据的特征图。

3.根据权利要求2所述的一种振幅相位通道注意力的结构光照明显微镜重建方法，其特征在于，获取原始数据的特征图的过程包括：

F＝Cat(f_1,1,...,f_3,3)；

其中，F表示原始数据的特征图；表示方向为d、相位为的特征图，Cat()表示拼接操作，Conv_3×3()表示3×3卷积操作，代表第t个时间点方向为d、相位为的图像。

4.根据权利要求1所述的一种振幅相位通道注意力的结构光照明显微镜重建方法，其特征在于，每个残差组包括一个幅相通道注意力模块，幅相通道注意力模块包括振幅谱注意模块、相位谱注意模块和自适应权重融合模块，获取原始数据的特征图中的高频特征包括以下步骤：

将输入幅相通道注意力模块的特征通过两个级联的3×3卷积层提取得到特征f；

通过振幅谱注意力模块从特征f中提取得到振幅谱注意力；

通过相位谱注意力模块从特征f中提取得到相位谱注意力；

通过自适应权重融合模块学习振幅谱注意力模块和相位谱注意力模块的重要性，分别得到两个模块的重要性；

根据得到的重要性对振幅谱注意力模块和相位谱注意力模块的输出进行加权，得到幅相通道注意力模块的输出，最后一级幅相通道注意力模块的输出即为高频特征。

5.根据权利要求4所述的一种振幅相位通道注意力的结构光照明显微镜重建方法，其特征在于，幅相通道注意力模块的输出表示为：

其中，APCAB_out为幅相通道注意力模块的输出；z为输入幅相通道注意力模块的特征；Conv_1×1()为1×1卷积操作；α表示振幅谱注意力模块的输出ASAM_out的重要性；β表示相位谱注意力模块的输出PSAM_out的重要性；表示对应元素相乘。

6.根据权利要求4所述的一种振幅相位通道注意力的结构光照明显微镜重建方法，其特征在于，振幅谱注意力模块的输出ASAM_out表示为：

ASAM_out＝f×S(Conv_3×3(Cat(Pooling_avg(A_Att_in),Pooling_max(A_Att_in)))；

A_Att_in＝ReLU(Conv_3×3(abs(FFT(f))^r))；

其中，Pooling_max()表示最大池化操作；Pooling_avg()表示平均池化操作；Cat()表示拼接操作，Conv_3×3()表示3×3卷积操作；S()表示sigmoid激活函数；ReLU()表示ReLU激活函数；abs()^r表示取绝对值，上标r为用来增强高频成分的指数；FFT()表示傅里叶变换。