用于稠密显微颗粒尺寸估计的多模态超分辨率方法
图像与视频处理
2020-10-26 v1 计算机视觉与模式识别
机器学习
摘要
颗粒尺寸分析(Particle Size Analysis, PSA)是在许多行业中执行的重要过程，可显著影响最终产品的性质。为此目的的一种普遍仪器是光学显微镜(Optical Microscope, OM)。然而，OM常易于出现诸如分辨率低、焦深小以及因衍射导致边缘特征被掩盖等缺陷。我们提出了两个条件生成对抗网络(Conditional Generative Adversarial Networks, cGANs)组合的强大应用，将OM图像超分辨率重建为类扫描电子显微镜(Scanning Electron Microscope, SEM)图像。我们进一步展示了一种自定义目标检测模块的使用，该模块可在稠密与稀疏排布图像上对已超分辨率重建的颗粒进行高效PSA。从超分辨率重建图像获得的PSA结果已与人工标注者以及相应SEM图像获得的结果进行基准比对。所提模型展示了一种用于精确颗粒尺寸估计的多模态图像翻译与超分辨率的泛化方法。
引用
@article{arxiv.2010.09594,
title = {Multi-Modal Super Resolution for Dense Microscopic Particle Size Estimation},
author = {Sarvesh Patil and Chava Y P D Phani Rajanish and Naveen Margankunte},
journal= {arXiv preprint arXiv:2010.09594},
year = {2020}
}
备注
11 pages, 10 figures, 6 tables, submitted to IEEE-TPAMI