基于统计特征引导的高分辨率透射电子显微镜图像去噪
计算机视觉与模式识别
2026-03-20 v1
摘要
高分辨率透射电子显微镜（HRTEM）使人们能够在原子尺度上观察核取运动，这一能力提升了对先进固体材料的研究。然而，由于核取过程的毫秒级快速变化，要求进行短曝光的快速成像，导致噪声严重，掩盖原子位置。本文提出一种统计特征引导去噪网络，该网络利用统计特征在空间域和频域中引导去噪过程。在空间域中，我们提出了基于空间偏差的加权方法，根据偏差特征为每个空间位置选择合适的卷积操作。在频域中，我们提出了基于频带特征的加权方法，以增强信号并抑制噪声。我们还开发了一种针对 HRTEM 的噪声校准方法，并生成了一个包含无序结构和真实 HRTEM 图像噪声的数据集。这一数据集可确保在核取观察中针对真实图像的去噪性能。在合成数据和真实数据上的实验表明，我们的方法在 HRTEM 图像去噪方面优于当前最先进的方法，并且在局化下游任务中表现有效。代码将在 https://github.com/HeasonLee/SCGN 提供。
关键词
引用
@article{arxiv.2603.18834,
title = {Statistical Characteristic-Guided Denoising for Rapid High-Resolution Transmission Electron Microscopy Imaging},
author = {Hesong Li and Ziqi Wu and Ruiwen Shao and Ying Fu},
journal= {arXiv preprint arXiv:2603.18834},
year = {2026}
}
备注
Accepted to CVPR 2026