基于深度图像与生成先验的压缩叠层成像
计算机视觉与模式识别
2022-05-24 v3 机器学习
图像与视频处理
信号处理
摘要
叠层成像是一种成熟的相干衍射成像技术，能够对样品进行纳米尺度非侵入式成像。它已广泛应用于国防工业或材料科学等多个领域。叠层成像的一个主要限制是由于样品的机械扫描导致数据采集时间长；因此，减少扫描点的方案备受期待。然而，以较少扫描点进行重建会导致成像伪影和显著畸变，阻碍对结果的定量评估。为解决这一瓶颈，我们提出了一种结合深度图像先验与深度生成先验的生成模型。该自训练方法优化深度生成神经网络以为给定数据集创建解。我们以先前训练的判别器网络获取的先验来补充我们的方法，以避免由测量中的噪声引起的可能偏离期望输出。我们还建议在使用总变分作为补充之前对抗由测量噪声引起的伪影。我们通过不同探针重叠百分比和不同噪声水平的数值实验分析了我们的方法。我们还展示了相比最先进方法（state-of-the-art）改进的重建精度，并讨论了该方法的优缺点。
引用
@article{arxiv.2205.02397,
title = {Compressive Ptychography using Deep Image and Generative Priors},
author = {Semih Barutcu and Doğa Gürsoy and Aggelos K. Katsaggelos},
journal= {arXiv preprint arXiv:2205.02397},
year = {2022}
}