基于深度学习的自适应图像采样及其在 X 射线荧光图像重建中的应用
计算机视觉与模式识别
2019-12-17 v3
摘要
本文提出一种基于深度学习(DL)的自适应图像采样算法。自适应采样掩码生成网络与图像修复网络联合训练。采样率在掩码生成网络中受控，并研究了一种二值化策略以使采样掩码二值化。除图像采样与重建应用外，我们表明所提自适应采样算法能够加速光栅扫描过程，例如 X 射线荧光(XRF)图像扫描过程。近来，得益于 X 射线产生与探测两方面的技术进步，XRF 实验室系统已发展为轻量且便携的仪器。然而，由于所需长曝光（例如每点 ），XRF 图像的扫描时间通常较长。我们提出一种 XRF 图像修复方法来解决扫描时间长的问题，从而在仍保持重建高质量 XRF 图像可能性的同时加速扫描过程。所提自适应图像采样算法应用于扫描目标的 RGB 图像以生成采样掩码。然后 XRF 扫描仪依据采样掩码驱动以扫描总图像像素的一个子集。最后，我们通过融合 RGB 图像对扫描得到的 XRF 图像进行修复以重建完整扫描 XRF 图像。实验表明，所提自适应采样算法能够有效采样图像，并取得优于现有方法的重建精度。
引用
@article{arxiv.1812.10836,
title = {Adaptive Image Sampling using Deep Learning and its Application on X-Ray Fluorescence Image Reconstruction},
author = {Qiqin Dai and Henry Chopp and Emeline Pouyet and Oliver Cossairt and Marc Walton and Aggelos K. Katsaggelos},
journal= {arXiv preprint arXiv:1812.10836},
year = {2019}
}
备注
journal preprint v3