基于总变异的显微镜图像分解与去噪
图像与视频处理
2025-05-15 v1 材料科学
计算机视觉与模式识别
摘要
实验获取的显微镜图像不可避免地受到噪声和其他不需要信号的影响，这会降低图像质量并可能掩盖相关特征。随着图像获取速率的提高，现代去噪与恢复解决方案变得必要。本研究通过基于总变异（TV）的工作流程，对显微镜图像进行分解和去噪，涵盖了包括原子力显微镜（AFM）、扫描隧道显微镜（STM）和扫描电子显微镜（SEM）在内的各种显微技术获取的图像。我们的方法通过提取图像中不需要的信号分量并从原始图像中减去，或进行去噪来恢复图像。我们评估了TV-、Huber-ROF和TGV-在实现这一目标方面的性能。Huber-ROF证明最为灵活，而TGV-最适合去噪。我们的结果表明，这种方法在显微镜图像中的适用性更广泛，不仅限于STM、AFM和SEM图像。用于本研究的Python代码已作为AiSurf的一部分公开，可集成到实验获取流程中，或用于处理已获取的图像去噪。
引用
@article{arxiv.2505.08843,
title = {Total Variation-Based Image Decomposition and Denoising for Microscopy Images},
author = {Marco Corrias and Giada Franceschi and Michele Riva and Alberto Tampieri and Karin Föttinger and Ulrike Diebold and Thomas Pock and Cesare Franchini},
journal= {arXiv preprint arXiv:2505.08843},
year = {2025}
}