面向 SANS 的即插即用恢复与领域自适应
信号处理
2024-03-18 v1
摘要
小角中子散射（SANS）是一种无损检测技术，通过分析中子的散射图样来探测材料的纳米至介观尺度结构。加速 SANS 采集以进行原位分析至关重要，但这通常会降低信噪比（SNR），凸显了即使在短采集时间下也需要增强 SNR 方法的需求。虽然深度学习（DL）可用于增强低质量 SANS 的 SNR，但可用于训练的实验数据量通常极为有限。我们通过提出一种使用领域自适应先验的 SANS 即插即用恢复（PR-SANS）来解决这一问题。PR-SANS 中的先验最初在一组通用图像上进行训练，随后使用少量实验 SANS 数据进行微调。我们通过关注使用非精确领域自适应先验代替理想先验所导致的误差，对 PR-SANS 进行了理论收敛性分析。我们利用实验收集的 SANS 数据证明，PR-SANS 能够从低 SNR 探测器图像中恢复高 SNR 的二维 SANS 探测器图像，有效提高了 SNR。这一进展使得在保持原始信号质量的同时，采集时间可缩短至原来的 1/12。
引用
@article{arxiv.2403.10495,
title = {PnP Restoration with Domain Adaptation for SANS},
author = {Shirin Shoushtari and Edward P. Chandler and Jialiang Zhang and Manjula Senanayake and Sai Venkatesh Pingali and Marcus Foston and Ulugbek S. Kamilov},
journal= {arXiv preprint arXiv:2403.10495},
year = {2024}
}