【技术实现步骤摘要】
一种基于深度强化学习的显微图像自动聚焦方法及系统
本专利技术涉及图像处理
,尤其是一种基于深度强化学习的显微图像自动聚焦方法及系统。
技术介绍
自动聚焦是利用显微图像进行细胞检测与识别的首要步骤,且广泛应用于各种疾病的诊断,例如:宫颈癌、结核病等。自动聚焦技术可以分为两大类:主动自动聚焦技术和被动自动聚焦技术。目前大多数自动聚焦方法都是基于被动自动聚焦技术,该被动自动聚焦技术包含两个独立的部分:一是聚焦评价函数,利用聚焦评价函数可计算待评价显微图像的聚焦程度,即图像的清晰度。现有方法中,聚焦评价函数对聚焦性能的影响较大,即对聚焦评价函数的设置要求较高。二是搜索策略,采用搜索策略迭代移动显微镜物镜,以找到聚焦评价值最大时显微镜物镜的位置。搜索策略对聚焦性能的优劣起着决定性的作用,现有的大部分聚焦搜索策略都存在通用性差,算法复杂,搜索时间长,不适用于高精度的显微镜自动聚焦。因此,现有的自动聚焦技术普遍存在聚焦精度低、聚焦速度慢等问题,亟需一种快速、精准、通用性好的显微图像自动聚焦技术。
技术实现思路
本专利技术提供一种基于深度强化学习的显微图像自动聚焦方法及系统,用于克服现有技术中聚焦精度低、聚焦速度慢等缺陷。为实现上述目的,本专利技术提出一种基于深度强化学习的显微图像自动聚焦方法,包括:获取显微图像序列;根据深度强化学习构建显微图像自动聚焦的训练器;所述训练器包括智能模块和评价模块;所述智能模块用于对状态表示进行处理向所述评价模块输出聚焦动作;所述评价模块通过构
【技术保护点】
1.一种基于深度强化学习的显微图像自动聚焦方法,其特征在于,包括:/n获取显微图像序列;/n根据深度强化学习构建显微图像自动聚焦的训练器;所述训练器包括智能模块和评价模块;所述智能模块用于对状态表示进行处理向所述评价模块输出聚焦动作;所述评价模块通过构建的奖励函数对所述智能模块输出的聚焦动作进行评价;/n利用所述显微图像序列和所述训练器,训练预先构建在所述智能模块内的深度Q网络模型;/n利用训练好的深度Q网络模型对待聚焦显微图像进行自动聚焦。/n
【技术特征摘要】
1.一种基于深度强化学习的显微图像自动聚焦方法,其特征在于,包括:
获取显微图像序列;
根据深度强化学习构建显微图像自动聚焦的训练器;所述训练器包括智能模块和评价模块;所述智能模块用于对状态表示进行处理向所述评价模块输出聚焦动作;所述评价模块通过构建的奖励函数对所述智能模块输出的聚焦动作进行评价;
利用所述显微图像序列和所述训练器,训练预先构建在所述智能模块内的深度Q网络模型;
利用训练好的深度Q网络模型对待聚焦显微图像进行自动聚焦。
2.如权利要求1所述的基于深度强化学习的显微图像自动聚焦方法,其特征在于,获取显微图像序列,包括:
在显微镜物镜的景深范围内,控制显微镜物镜以恒定速度等间距的沿显微镜Z轴移动,在显微镜物镜移动的每个位置采集一张显微图像,构成一组显微图像;
控制显微镜物镜移动到新的视野,重复上一步骤,再采集一组显微图像;
控制显微镜物镜移动到若干不同的视野,采集若干组显微图像,所述若干组显微图像构成显微图像序列。
3.如权利要求2所述的基于深度强化学习的显微图像自动聚焦方法,其特征在于,根据深度强化学习构建显微图像自动聚焦的训练器,包括:
根据深度强化学习,构建包括智能模块和评价模块的显微图像自动聚焦的训练器;
所述智能模块的输入为状态表示,输出为聚焦动作;所述状态表示包括起始状态表示和一般状态表示,所述起始状态表示为连续2帧显微图像构成的序列,所述一般状态表示为连续2帧显微图像以及所述显微图像对应的聚焦动作构成的序列;所述聚焦动作包括5个离散化聚焦动作,5个所述离散化聚焦动作分别为粗正步、细正步、终止步、细负步和粗负步;
所述评价模块通过奖励函数对所述智能模块的输出进行评价;所述评价的结果包括正奖励和负奖励,若评价结果为正奖励,则结束训练,若评价结果为负奖励,则继续训练。
4.如权利要求3所述的基于深度强化学习的显微图像自动聚焦方法,其特征在于,所述奖励函数的计算公式为
reward=α·(current_focus-max_focus)+β(1)
式中,α为权重系数;current_focus为当前帧显微图像的聚焦评价值;max_focus为当前视野下聚焦评价值中的最大值;β为100或-100,若当前帧显微图像的聚焦评价值大于设定阈值时β=100,否则β=-100。
5.如权利要求3所述的基于深度强化学习的显微图像自动聚焦方法,其特征在于,所述聚焦评价值为LAP聚焦评价值与ATEN聚焦评价值的和;
所述LAP聚焦评价值的计算公式为
式中,FLAP为当前帧显微图像的LAP聚焦评价值;g(m,n)为像素点位置(m,n)的图像强度值,像素点位置包括(m-1,n)、(...
【专利技术属性】
技术研发人员:翟永平,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。