来自未知角度分布的二维未知视角层析成像
计算机视觉与模式识别
2025-01-07 v1
摘要
本研究提出了一种在视角分布也未知的情况下进行二维未知视角层析成像的技术。未知视角层析成像(UVT)是冷冻电镜和CT系统几何标定中遇到的问题。关于二维UVT问题已有中等规模的文献，但大多数现有的二维UVT算法假设已知角度分布，而这通常是不可用的。我们提出的方法将问题表述为基于交叉验证误差的优化任务，以交替方式联合估计角度分布和底层二维结构。我们针对两种概率分布模型探索了算法的能力：von Mises密度的半参数混合模型和概率质量函数模型。我们使用基于PCA的去噪技术和由估计分布的顺序统计量驱动的图拉普拉斯层析成像(GLT)来确保近乎完美的排序，从而评估算法在含噪投影下的性能，并将我们的算法与直观基线进行比较。
引用
@article{arxiv.2501.02872,
title = {Two-Dimensional Unknown View Tomography from Unknown Angle Distributions},
author = {Kaishva Chintan Shah and Karthik S. Gurumoorthy and Ajit Rajwade},
journal= {arXiv preprint arXiv:2501.02872},
year = {2025}
}
备注
Accepted to the International Conference on Acoustics, Speech, and Signal Processing (ICASSP) 2025