一种基于深度学习的显微图像无缝拼接与增强重建方法

本发明公开了一种基于深度学习的显微图像无缝拼接与增强重建方法，包括如下步骤：S1、采集多张具有重叠区域的原始图像，并记录其空间位置信息与成像参数；S2、对原始图像进行预处理，生成标准化图像序列；S3、将标准化图像输入结构感知特征提取网络，提取融合纹理与结构的特征图；S4、将特征图与原图输入图像配准模块；S5、将配准图像输入边界注意力拼接网络；S6、将无缝图像输入残差层级重建网络，通过空洞卷积与多尺度分支增强图像细节；S7、执行图像质量评估，计算结构相似度、信噪比与边缘保持率；S8、构建训练集并基于联合损失函数进行端到端训练优化。本发明融合多模块深度网络，实现显微图像无缝拼接与高质量增强重建。