对抗式图像对齐与插值
计算机视觉与模式识别
2017-07-04 v1
摘要
体积（3D）图像是出于许多科学和生物医学目的，使用连续切片显微镜、CT扫描和MRI等成像方法获取的。此类数据分析与重建中的一个常见步骤是，对沿空间或时间维度连续获取的图像进行对齐与配准。例如，在连续切片电子显微镜中，单个2D切片通过电子显微镜成像，然后必须相互对齐以产生连贯的3D体积。最先进的方法寻找源自块匹配和不变特征检测器的图像对应点，然后求解优化问题，将图像序列刚性或弹性地形变为对齐的体积。本文中，我们展示了如何使用以对抗损失函数训练的全卷积神经网络来完成两项任务：（1）从相邻切片合成缺失或损坏的图像数据；（2）块面电子显微镜数据的精细对齐。最后，我们展示了如何结合这两种能力，利用超分辨率对抗对齐与插值方法，从各向异性图像体积生成人工各向同性体积。
引用
@article{arxiv.1707.00067,
title = {Adversarial Image Alignment and Interpolation},
author = {Viren Jain},
journal= {arXiv preprint arXiv:1707.00067},
year = {2017}
}