Noise2SR：从超分辨单张含噪荧光图像学习去噪
图像与视频处理
2022-09-15 v1 计算机视觉与模式识别
机器学习
摘要
荧光显微镜是推动生物医学研究发现的的关键驱动力。然而，受显微镜硬件限制与观测样本特性的影响，荧光显微镜图像易受噪声干扰。近年来，已有若干自监督深度学习（DL）去噪方法被提出。但现有方法在真实场景噪声去除中的训练效率与去噪性能相对较低。为解决此问题，本文提出自监督图像去噪方法Noise2SR（N2SR），基于单张含噪观测训练一个简单有效的图像去噪模型。我们的Noise2SR去噪模型设计用于以不同维度的配对含噪图像进行训练。得益于该训练策略，Noise2SR具有更高的自监督效率，并能够从单张含噪观测中恢复更多图像细节。模拟噪声与真实显微镜噪声去除的实验结果表明，Noise2SR优于两种基于盲点的自监督深度学习图像去噪方法。我们预期Noise2SR有潜力改善更多其他类型的科学成像质量。
引用
@article{arxiv.2209.06411,
title = {Noise2SR: Learning to Denoise from Super-Resolved Single Noisy Fluorescence Image},
author = {Xuanyu Tian and Qing Wu and Hongjiang Wei and Yuyao Zhang},
journal= {arXiv preprint arXiv:2209.06411},
year = {2022}
}
备注
12 pages, 6 figures