基于编码器-解码器网络的两相光学分层结构光重构去噪
计算机视觉与模式识别
2025-10-07 v1
摘要
结构照明（SI）通过将图案光投射到样本上来增强图像分辨率和对比度。在两相光学分层结构照明（OS-SI）中，由于获取时间缩短，残余伪影难以被传统去噪方法抑制。深度学习为替代方法提供了可能；然而，受限于缺乏干净、光学分层真实数据的限制，监督式训练面临挑战。我们研究了用于两相 OS-SI 图像中伪影抑制的编码器-解码器网络，采用由对合成图像施加真实伪影场形成的合成训练对。训练了一个非对称去噪自编码器（DAE）和 U-Net，在合成数据上训练后，在真实 OS-SI 图像上进行评估。两个网络均提高了图像清晰度，每个网络都在不同类型的伪影上表现出色。这些结果表明，合成训练使 OS-SI 图像的监督式去噪成为可能，并凸显了编码器-解码器网络以简化重建工作流程的潜力。
引用
@article{arxiv.2510.03452,
title = {Denoising of Two-Phase Optically Sectioned Structured Illumination Reconstructions Using Encoder-Decoder Networks},
author = {Allison Davis and Yezhi Shen and Xiaoyu Ji and Fengqing Zhu},
journal= {arXiv preprint arXiv:2510.03452},
year = {2025}
}
备注
5 pages, 4 figures, submitted to ICASSP 2026