利用空洞卷积编解码器改善电子显微图像信噪比

Jeffrey M. Ede

doi:10.1016/j.ultramic.2019.03.017

利用空洞卷积编解码器改善电子显微图像信噪比

计算机视觉与模式识别 2020-05-21 v2

作者: Jeffrey M. Ede

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

我们提出一种空洞卷积编解码器，经训练用于对电子显微图像中512 $\times$ 512的裁剪块去噪。其由改进的Xception骨干、空洞卷积空间金字塔池化模块和多级解码器组成。我们的神经网络以端到端方式训练，以去除施加于低剂量( $\ll$ 300 counts ppx)显微图的泊松噪声；这些显微图来自新构建的包含17267张2048 $\times$ 2048高剂量( $>$ 2500 counts ppx)显微图的数据集，随后针对普通剂量(200-2500 counts ppx)进行了微调。其性能以默认参数对比双边、非局部均值、全变分、小波、维纳及其他复原方法进行基准测试。我们的网络在低剂量下平均平方误差与结构相似性指数最优性能分别超出24.6%与9.6%，在普通剂量下分别超出43.7%与5.5%。两种情况下，我们网络的平均平方误差方差均最低。源代码及我们的高质量新数据集与训练网络的链接已公开于 https://github.com/Jeffrey-Ede/Electron-Micrograph-Denoiser

关键词

电子显微图像去噪空洞卷积编解码器泊松噪声 Xception 结构相似性指数深度学习

引用

@article{arxiv.1807.11234,
  title  = {Improving Electron Micrograph Signal-to-Noise with an Atrous Convolutional Encoder-Decoder},
  author = {Jeffrey M. Ede},
  journal= {arXiv preprint arXiv:1807.11234},
  year   = {2020}
}

备注

15 pages, 10 figures, 1 table

利用空洞卷积编解码器改善电子显微图像信噪比

摘要

关键词

引用

备注

相关论文