利用扩散模型从含噪图像中恢复复值信息
计算机视觉与模式识别
2023-07-31 v3 人工智能
摘要
在多种显微镜模态中，传感器仅测量实值强度。此外，传感器读数受泊松分布的光子噪声影响。传统的复原算法通常旨在最小化原始图像与恢复图像之间的均方误差（MSE）。这常导致模糊且感知质量差的结果。近来，深度扩散模型（DDMs）已被证明能够高度胜任从所求变量的后验概率中采样图像，生成视觉愉悦的高质量图像。这些模型大多被提出用于受高斯噪声影响的实值图像。在本研究中，我们将一种 DDM——退火朗之万动力学推广，以应对受泊松噪声影响的复值物体（及实值图像）光学成像中的基本挑战。我们将算法应用于多种光学场景，如傅里叶叠层成像、相位恢复和泊松去噪。我们的算法在仿真和生物经验数据上进行了评估。
引用
@article{arxiv.2212.03235,
title = {Complex-valued Retrievals From Noisy Images Using Diffusion Models},
author = {Nadav Torem and Roi Ronen and Yoav Y. Schechner and Michael Elad},
journal= {arXiv preprint arXiv:2212.03235},
year = {2023}
}
备注
11 pages, 7figures