基于深度学习的光声显微图像去噪
图像与视频处理
2022-01-13 v1 机器学习
摘要
作为一种混合成像技术，光声显微（PAM）成像由于激光强度的最大允许曝光、超声在组织中的衰减以及换能器的固有噪声而受到噪声影响。去噪是一种减少噪声的后处理方法，可恢复 PAM 图像质量。然而，以往的去噪技术通常严重依赖数学先验以及人工选择的参数，导致对不同噪声图像的去噪性能不佳且速度慢，这极大阻碍了实际和临床应用。在本工作中，我们提出一种基于深度学习的方法，无需数学先验且无需针对不同输入图像手动选择设置即可去除 PAM 图像中的复杂噪声。采用注意力增强生成对抗网络提取图像特征并去除各种噪声。所提方法在合成与真实数据集上均得到验证，包括仿体（叶脉）和体内（小鼠耳血管和斑马鱼色素）实验。结果表明，与以往 PAM 去噪方法相比，我们的方法在定性及定量图像恢复上均表现出良好性能。此外，对一幅 像素的图像实现了 0.016 s 的去噪速度。我们的方法对 PAM 图像去噪有效且实用。
引用
@article{arxiv.2201.04302,
title = {De-Noising of Photoacoustic Microscopy Images by Deep Learning},
author = {Da He and Jiasheng Zhou and Xiaoyu Shang and Jiajia Luo and Sung-Liang Chen},
journal= {arXiv preprint arXiv:2201.04302},
year = {2022}
}
备注
12 pages, 8 figures