一种基于对比学习的显微高光谱图像半监督分割方法

技术特征：

1.种基于对比学习的显微高光谱图像半监督分割方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于形状先验的显微高光谱图像半监督分割方法，其特征在于，所述步骤s3中特征提取的过程为：

3.根据权利要求1所述的一种基于对比学习的显微高光谱图像半监督分割方法，其特征在于，所述步骤s4中光谱损失的计算过程为：

4.根据权利要求1所述的一种基于对比学习的显微高光谱图像半监督分割方法，其特征在于，所述步骤s5中对比损失的计算过程为：

5.根据权利要求1所述的一种基于形状先验的显微高光谱图像半监督分割方法，其特征在于，所述步骤s6中整体损失l的计算方式如下：

技术总结
本发明公开了一种基于对比学习的显微高光谱图像半监督分割方法，包括：高光谱图像降维模块，基于师生网络的特征提取模块和基于对比学习的分类模块。在基于师生网络的特征提取模块中，本发明提出了一种新颖的光谱损失函数，通过优化该损失函数，促进模型学习更多的光谱信息。基于对比学习的分类模块通过结合对抗样本的思想对无标签数据的类别信息加以利用。本发明缓解了标签数据短缺问题对显微高光谱图像分割的限制，能够充分利用显微高光谱图像中的光谱信息，极大地提高了分割性能。

技术研发人员：高红民,王怀远,徐淑芳
受保护的技术使用者：河海大学
技术研发日：
技术公布日：2024/3/21