1. 技术简介

本技术提供了一种基于双增强残差网络的生物图像去噪方法 。该方法针对生物图像中噪声与信号复杂的依赖关系，以及现有去噪方法对生物图像噪声估计不足的问题而设计。其核心技术特征包括：（1）双层编码-解码架构：网络由两个结构相同的子网络组成，通过编码（下采样）和解码（上采样）层次结构提取多尺度特征，使GPU能够产生更大的感受野。（2）残差密集块（Residual Dense Block）：在解码阶段引入残差密集块，通过密集连通性和残差学习提取深层次特征，诱导模型恢复更多的高频信息与图像细节。（3）多模块特征融合：两个子网络通过监督注意模块和交叉阶段特征融合模块相连，有效传递图像细节信息并丰富多尺度特征。（4）上下文块与长跳跃连接：引入上下文块避免下采样过程中破坏图像结构，并通过长跳跃连接补偿上采样过程中的信息损失，提升恢复性能。

2. 应用范围

本技术具有极强的泛化能力和准确率，适用于多种复杂场景下的面部表情分析：

生物科研领域：针对斑马鱼图像、血液细胞图像等生物数据集，解决因细胞周期、生命史变化或仪器变化产生的混合噪声问题。

底层视觉任务：适用于自然图像的高斯去噪，在BSD68、Set12、Kodak24、Urban100等公开数据集上表现优异。

高精度图像修复：解决生物图像中边缘不清晰、细节特征模糊等问题，提高潜在生物过程推断的准确性。

3. 知识产权情况

已获得国家专利授权；专利号：ZL 2022 1 0024084.7。

4. 转让方式

技术许可、技术转让、技术入股。

5. 联系人及电话

科研处聂肖松，0411-82159891。