原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第35卷摇第3期计算机技术与发展Vol.35摇No.3
2025年3月摇摇摇摇摇摇摇摇摇摇COMPUTERTECHNOLOGYANDDEVELOPMENT摇摇摇摇摇摇摇摇摇摇Mar.摇2025
结合注意力与轴向卷积的荧光图像超分辨率方法
陈博伦,周摇航,王铁军,杨摇昊
(成都信息工程大学计算机学院,四川成都610225)
摘摇要:针对当前荧光显微图像超分辨率重建方法在非配对数据集上训练难度大及计算机资源消耗过高的问题,提出了
一种新的解决方案———AxialAttention-SRNet,巧妙地融合了注意力机制与3D轴向卷积技术,旨在优化荧光显微图像的超
分辨率处理。AxialAttention-SRNet的核心在于其超分辨网络模型,该模型以CycleGAN为主体,通过整合3D轴向卷积模
块与Unet网络,有效捕捉图像轴向特征的同时,极大地降低了计算量。此外,为了进一步提升图像重建的质量,在高分辨
率鉴别器中引入了注意力模块,显著增强了鉴别器的判别能力,从而帮助模型从更多有效信息中学习。在Thy1-GFPM和
MTC-EXM等数据集上的实验充分验证了AxialAttention-SRNet的卓越性能。该方法不仅生成的图像质量优异,而且模
型复杂度相对较低,有效减轻了计算负担。更重要的是,AxialAttention-SRNet在真实数据上也表现出色,为荧光显微图像
的超分辨率重建提供了一种高效且实用的新方法。
关键词:循环一致对抗生成网络;轴向卷积;注意力机制;图像生成;Unet
中图分类号:TP183摇摇摇摇摇摇摇文献标识码:A摇摇摇摇摇摇文章编号:1673-629X(2025)03-0026-08
doi:10.20165/ki.ISSN1673-629X.2024.0338
ASuper-resolutionMethodofFluorescenceImagesCombining
AttentionandAxialConvolution
CHENBo-lun,ZHOUHang,WANGTie-jun,YANGHao
(SchoolofComputerScience,ChengduUniversityofInformationTechnology,Chengdu610225,China)
Abstract:Addressingthechallengesoftrainingdifficultyonunpaireddatasetsandexcessivecomputerresourceconsumptionincurrent
fluorescencemicroscopeimagesuper-resolutionreconstructionmethods,anovelsolution,AxialAttention-SRNet,isproposed.This
methodingeniouslyintegratestheattentionmechanismwith3Daxialconvolutiontechnology,aimingtooptimizethesuper-resolution
processingoffluorescencemicroscopeimages.ThecoreofAxialAttention-SRNetliesinitssuper-resolutionnetworkmodel,whichis
basedonCycleGAN.Byintegrating3DaxialconvolutionmoduleswiththeUnetnetwork,iteffectivelycapturesaxialfe
文档评论（0）