基于坐标的神经网络用于傅里叶相位恢复
计算机视觉与模式识别
2024-01-09 v2 图像与视频处理
摘要
傅里叶相位恢复对于跨多个领域（尤其是相干衍射成像）的纳米尺度结构高清晰成像至关重要。本研究提出单隐式神经网络（SCAN），一种构建于坐标神经网络之上、为增强相位恢复性能而精心设计的工具。针对传统迭代方法易陷入局部极小解且对噪声敏感的缺陷，SCAN以无监督方式在统一网络中巧妙地将物体坐标与其振幅和相位相连。尽管许多现有方法主要在损失函数中使用傅里叶幅度，我们的方法同时纳入预测的幅度与相位，从而提升恢复精度。综合测试验证了SCAN在精度和噪声鲁棒性方面优于传统方法及其他深度学习模型。我们还展示了SCAN在叠层成像（ptychography）设定中的优异表现。
引用
@article{arxiv.2311.14925,
title = {Coordinate-based Neural Network for Fourier Phase Retrieval},
author = {Tingyou Li and Zixin Xu and Yong S. Chu and Xiaojing Huang and Jizhou Li},
journal= {arXiv preprint arXiv:2311.14925},
year = {2024}
}