用于ptychography过采样的深度生成方法
图像与视频处理
2022-08-01 v1 计算机视觉与模式识别
机器学习
信号处理
摘要
Ptychography是一种研究充分的相位成像方法，可在纳米尺度实现非侵入式成像。它已发展为一种主流技术，在材料科学或国防工业等众多领域有广泛应用。Ptychography的一大主要缺陷是由于相邻照明区域间为实现合理重构所需的高重叠率导致的数据采集时间长。传统降低扫描区域间重叠度的方法会产生带有伪影的重构图。本文中，我们提出以深度生成网络采样的数据补充稀疏采集或欠采样的数据，以满足ptychography中的过采样要求。由于深度生成网络经过预训练且输出可在数据采集时计算，实验数据及数据采集时间均可减少。我们通过展示相较先前提出的方法与传统方法的重构质量来验证该方法，并评述所提方法的优势与不足。
引用
@article{arxiv.2207.14392,
title = {A Deep Generative Approach to Oversampling in Ptychography},
author = {Semih Barutcu and Aggelos K. Katsaggelos and Doğa Gürsoy},
journal= {arXiv preprint arXiv:2207.14392},
year = {2022}
}