利用神经场从离散仅强度测量中恢复连续三维折射率图
图像与视频处理
2022-08-16 v2 计算机视觉与模式识别
摘要
强度衍射层析（IDT）是一类光学显微技术，用于从一组二维仅强度测量中成像样品的三维折射率（RI）分布。由于相位信息丢失与缺失锥问题，无伪影 RI 图重建是 IDT 中的基本挑战。神经场（NF）最近作为一种新的深度学习（DL）方法兴起，用于学习物理场的连续表示。NF 使用基于坐标的神经网络，通过将空间坐标映射到相应物理量（本例中为复值折射率）来表示场。我们提出 DeCAF，作为首个基于 NF 的 IDT 方法，可从仅强度与有限角度测量中学习 RI 体的高质量连续表示。DeCAF 中的表示直接由测试样品的测量通过 IDT 前向模型学习，无需任何真值 RI 图。我们在模拟与实验生物样品上对 DeCAF 进行定性与定量评估。结果表明，DeCAF 能生成高对比度且无伪影的 RI 图，并使均方误差（MSE）较现有方法最多降低 2.1 倍。
引用
@article{arxiv.2112.00002,
title = {Recovery of Continuous 3D Refractive Index Maps from Discrete Intensity-Only Measurements using Neural Fields},
author = {Renhao Liu and Yu Sun and Jiabei Zhu and Lei Tian and Ulugbek Kamilov},
journal= {arXiv preprint arXiv:2112.00002},
year = {2022}
}