X 射线 ptychography 中基于物理启发的无监督感兴趣区域分类
图像与视频处理
2022-07-01 v1
摘要
X 射线 ptychography 能以高分辨率对大视场成像，但因数据量大而带来额外的计算开销。在关于物体的信息有限时，所获取的数据常包含过多感兴趣区域（RoI）之外的信息。本工作中，我们提出一种物理启发的无监督学习算法，仅利用 ptychography 数据集的衍射图样在投入计算资源进行重建前识别物体的 RoI。被自动识别为不在 RoI 内的衍射图样被滤除，从而通过仅聚焦于 RoI 内重要数据来高效重建，同时保持图像质量。
引用
@article{arxiv.2206.14940,
title = {Physics-Inspired Unsupervised Classification for Region of Interest in X-Ray Ptychography},
author = {Dergan Lin and Yi Jiang and Junjing Deng and Zichao Wendy Di},
journal= {arXiv preprint arXiv:2206.14940},
year = {2022}
}