专利交易市场

本发明涉及图像处理技术领域，具体涉及一种肾活检切片影像优化增强方法，包括：采集若干肾活检切片灰度图；根据肾活检切片灰度图中像素点灰度值的变化情况，对肾活检切片灰度图进行区域划分，得到若干初始细胞区域；根据肾活检切片灰度图中不同区域的整体灰度差异情况、同一区域内不同边缘上形状排布的差异情况以及区域大小差异情况，得到每个初始细胞区域的肾活检特征系数；根据肾活检特征系数调整灰度区间，对每张肾活检切片灰度图进行优化增强。本发明提高了肾活检切片影像的增强效果，提高了肾活检切片检测的效率。

一种基于MSR与输入图像亮度混合的低照度图像对比度增强方法，以低照度图像作为输入图像，将其由RGB色彩空间转换为HSV色彩空间，调整V通道的值，对V分量进行增强处理，利用MSR对输入图像进行预处理，得到有明亮区域细节的输出图像；将该输出图像与输入图像以w1/(1‑w1)为亮度权重进行融合，得到融合后的图像，以融合后的图像作为目标图像，通过基地映射的方式完成对目标函数的优化，并通过权重调整，最后再转回RGB色彩空间，获得高保真度的最终输出图像。本发明提高了低照度图像暗区域的对比度，同时保持了图像的细节和性质。可以增强输入图像的细节，避免对比度的过度增强，很好地保持了输入图像的自然性。

彩色图像的饱和度增强方法，将图像从RGB色彩空间分别转换至HSL色彩空间和L*a*b*色彩空间；对L*a*b*色彩空间的图像计算其感知亮度L**；对HSL色彩空间的图像进行饱和度增强，得到增强后的饱和度#imgabs0#基于Helmholtz‑Kohlrausch效应，对饱和度增强后的图像进行亮度修正；对亮度修正后图像，计算其感知亮度#imgabs1#当#imgabs2#记录相应的修正亮度#imgabs3#在HSL色彩空间，以增强后的饱和度#imgabs4#替代原始饱和度S，以记录的修正亮度#imgabs5#取代原始亮度L，将得到的图像转换至RGB色彩空间。本发明在增强饱和度后，能够保持感知亮度不变。

本发明涉及一种利用时频域层级处理的低光照图像增强方法，包括步骤：S1、构建低光照图像数据集，包括低光照图像数据集的采集和标注，合理划分训练数据集和测试数据集；S2、建立低光照图像增强网络框架，使用深度学习中的卷积神经网络搭建整个网络框架；S3、进行模型训练，利用步骤S1划分好的训练数据集对步骤S2构建的低光照图像增强网络框架进行迭代训练；S4、进行模型测试，利用步骤S3训练后保存的模型对步骤S1划分好的测试数据集进行检测。本发明在深度学习框架下，结合时域与频域构建网络框架，利用数据驱动方式对低光照图像进行层级处理，实现图像亮度拉伸，生成清晰、低噪声的结果图像，使得低光照图像增强任务更高效。

本发明公开了一种基于曲线学习和Transformer的图像增强方法。本发明以基于学习的方式提取低照度图像的特征，并自动生成像素变换曲线，实现图像亮度的增强和局部对比度的拉伸。将曲线变换抽象成像素的对应变换，以8位数字图像为例，它的像素范围为0~255的整数，像素的对应则可以表示为256维的向量。为了提高图像的自然性，在损失函数中加入对改向量的一维拉普拉斯正则项，保证变换曲线的平滑性和单调性，使得变换后的像素大小关系仍保持不变。此外，为了减少增强图像中的噪声，引入BM3D去噪算法，根据可以一定程度上反应噪声识别的变换曲线的斜率，对不同的区域施以不同的程度的去噪，更好地去除增强图像中的噪声。