【技术实现步骤摘要】
本专利技术涉及荧光信号的图像处理领域，特别是涉及一种荧光信号的图像增强方法、设备及程序产品。
技术介绍
1、目前，在科研医疗、工业领域中，在使用图像进行分类如细胞分类时，存在样本量较少的问题。针对小样本条件，使用深度学习模型来识别样本图像中的目标时，存在检测准确性不佳的问题。为解决这个问题，现有技术采用小样本的学习方法，该方法在过程中增加了人工监督，以实时对结果进行反馈、叠加训练、反馈、叠加训练，直到得到一个较为满意的结果。现有技术的小样本的学习方法需要用户投入精力和时间执行调试即反馈→迭代训练的过程；且反馈、叠加训练的过程无法下放到不懂技术的用户，导致使用上的不方便。
技术实现思路
1、本专利技术的实施例提供了一种荧光信号的图像增强方法、设备及程序产品，通过仅对目标信号进行增强，而不影响其它区域，使得目标的特征在检测模型中更突出，从而可以在小样本条件下具有较好的检测结果。
2、为了实现上述目的，一方面，提供了一种荧光信号的图像增强方法，包括：
3、使用选定的不同染...
【技术保护点】
1.一种荧光信号的图像增强方法，其特征在于，包括：
2.根据权利要求1所述的图像增强方法，其特征在于，所述单通道增强处理包括：
3.根据权利要求1所述的图像增强方法，其特征在于，还包括分别使用各样本图像对应的第一增强图像来进行荧光信号的目标检测，所述进行荧光信号的目标检测包括：
4.根据权利要求3所述的图像增强方法，其特征在于，对所述样本图像进行二值化处理包括：
5.根据权利要求3所述的图像增强方法，其特征在于，所述深度学习目标检测模型包括：
6.根据权利要求3所述的图像增强方法，其特征在于，所述深度学习目标...
【技术特征摘要】
1.一种荧光信号的图像增强方法，其特征在于，包括：
2.根据权利要求1所述的图像增强方法，其特征在于，所述单通道增强处理包括：
3.根据权利要求1所述的图像增强方法，其特征在于，还包括分别使用各样本图像对应的第一增强图像来进行荧光信号的目标检测，所述进行荧光信号的目标检测包括：
4.根据权利要求3所述的图像增强方法，其特征在于，对所述样本图像进行二值化处理包括：
5.根据权利要求3所述的图像增强方法，其特征在于，所述深度学习目标检测模型包括：
6.根据权利要求3所述的图像增强方法，其特征在于，所述深度学习目标检测模型在训练中，通过如下步骤来验证预测结果：
...【专利技术属性】
技术研发人员：李梓琦，
申请(专利权)人：麦克奥迪实业集团有限公司，
类型：发明
国别省市：
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。