无监督高光谱受激拉曼显微镜图像增强：基于一次性深度学习的去噪与分割
信号处理
2021-10-01 v2 应用物理
光学
摘要
高光谱受激拉曼散射（SRS）显微镜是一种用于生物医学和矿物学成像的无标记技术，其可能受低信噪比影响。本文展示了使用无监督深度学习神经网络对 SRS 图像进行快速自动去噪：UHRED（无监督高光谱分辨率增强与去噪）。UHRED 能够一次性学习；仅需一张高光谱图像，无需在先前标记的数据集或图像上训练。此外，通过对处理后数据应用 k-means 聚类算法，我们展示了自动、无监督的图像分割，在无需样品先验知识的情况下产生直观的化学物种分布图，如本文针对锂矿石样品所示。
引用
@article{arxiv.2104.08338,
title = {Unsupervised Hyperspectral Stimulated Raman Microscopy Image Enhancement: Denoising and Segmentation via One-Shot Deep Learning},
author = {Pedram Abdolghader and Andrew Ridsdale and Tassos Grammatikopoulos and Gavin Resch and Francois Legare and Albert Stolow and Adrian F. Pegoraro and Isaac Tamblyn},
journal= {arXiv preprint arXiv:2104.08338},
year = {2021}
}