W2S：用于宽场到 SIM 映射的联合去噪与超分辨率显微数据集
图像与视频处理
2020-08-25 v2 计算机视觉与模式识别
摘要
在荧光显微活细胞成像中，信噪比与空间分辨率同生物样本完整性之间存在关键的权衡。为获得干净的高分辨率 (HR) 图像，人们可使用结构化照明显微镜 (SIM) 等显微技术，或应用去噪与超分辨率 (SR) 算法。然而，前者需要多次曝光可能损伤样本，且尽管后者已有高效的基于深度学习的算法，仍缺乏用于评估这些算法在联合去噪与 SR (JDSR) 任务上的基准。为研究显微数据上的 JDSR，我们提出了这样一个新颖的 JDSR 数据集 Widefield2SIM (W2S)，使用常规荧光宽场与 SIM 成像采集。W2S 包含 144,000 张真实荧光显微图像，共构成 360 组图像。一组包含具有不同噪声水平的含噪低分辨率 (LR) 宽场图像、一张无噪 LR 图像以及对应的高质量 HR SIM 图像。W2S 使我们能够对 6 种去噪方法与 6 种 SR 方法的组合进行基准测试。我们表明最先进的 SR 网络在含噪输入上表现很差。我们的评估还揭示，按重建误差应用最佳去噪器后再接最佳 SR 方法未必产生最佳最终结果。定量与定性结果均表明 SR 网络对噪声敏感，且去噪与 SR 算法的顺序应用是次优的。最后，我们证明为 JDSR 端到端重训练的 SR 网络优于任何最先进深度去噪与 SR 网络的组合。
引用
@article{arxiv.2003.05961,
title = {W2S: Microscopy Data with Joint Denoising and Super-Resolution for Widefield to SIM Mapping},
author = {Ruofan Zhou and Majed El Helou and Daniel Sage and Thierry Laroche and Arne Seitz and Sabine Süsstrunk},
journal= {arXiv preprint arXiv:2003.05961},
year = {2020}
}
备注
ECCVW 2020. Project page: \<https://github.com/ivrl/w2s>