在 W2S 上利用深度学习进行显微图像恢复
图像与视频处理
2020-04-24 v1 计算机视觉与模式识别
摘要
我们利用深度学习技术，对荧光显微镜采集的生物医学图像进行联合去噪与超分辨率重建。基于近期 W2S 论文中描述的网络与方法，我们开发了一种深度学习算法以解决联合去噪与超分辨率问题。具体而言，我们处理从宽场图像恢复 SIM 图像的任务。我们的 TensorFlow 模型在 W2S 细胞图像数据集上训练，并在此代码库中在线公开：https://github.com/mchatton/w2s-tensorflow。在测试图像上，该模型展现出视觉上令人信服的去噪效果，且分辨率相比输入图像提升了两倍。对于 512 512 的图像，在 Titan X GPU 上的推理时间不到 1 秒，在普通 CPU 上约需 15 秒。我们进一步展示了训练中使用的不同损失函数变体的结果。
引用
@article{arxiv.2004.10884,
title = {Microscopy Image Restoration using Deep Learning on W2S},
author = {Martin Chatton},
journal= {arXiv preprint arXiv:2004.10884},
year = {2020}
}