NLSTEM: 用于增强 4D-STEM 模式索引的非局部去噪
机器学习
2026-04-01 v1 密码学与安全
机器学习
摘要
4D-STEM 基于的取向和相位映射已实现了快速的结构量化,可直接与标准 TEM 和 STEM 基于成像模式结合使用。通常情况下,取向映射与束预转(precession)耦合,即预转电子衍射,以实现高索引率,这增加了成本,并且往往会降低该方法的空间分辨率。本文引入了一种新的后处理方法,模仿developed for electron backscatter diffraction社区中用于非局部分模式平均和重新索引的算法,其中在收集后,使用距离相似性参数对模式进行平均。Ni 和 Au 薄膜的结果表明,通过该后处理技术可显著提高索引率,因为衍射图案的信噪比得到改善。有趣的是,在通过离子辐照严重损伤的样品中,实现的最高索引率,表明在曲线晶格上进行平均进一步提高了索引率。
引用
@article{arxiv.2603.30017,
title = {Refined Detection for Gumbel Watermarking},
author = {Tor Lattimore},
journal= {arXiv preprint arXiv:2603.30017},
year = {2026}
}