光片荧光显微成像系统已广泛应用于大体积生物样本成像。然而随着光片系统视场的扩大,成像会在整个视野范围内产生空间不均匀的退化,传统的模型驱动方法和深度学习方法均具有空间不变性,无法直接用于消除这种退化。本文首次提出在模型驱动的反卷积网络中引入位置信息,通过训练时随机选择退化规律不同的训练图像对、图像恢复时采取分块对应重建的方法,实现了位置相关的模型驱动反卷积网络。实验结果表明,该网络可以实现对大视场光片图像的快速反卷积,并提高了图像处理效率、图像质量和视场内图像质量的均匀性。
光片荧光显微成像系统已广泛应用于大体积生物样本成像。然而随着光片系统视场的扩大,成像会在整个视野范围内产生空间不均匀的退化,传统的模型驱动方法和深度学习方法均具有空间不变性,无法直接用于消除这种退化。本文首次提出在模型驱动的反卷积网络中引入位置信息,通过训练时随机选择退化规律不同的训练图像对、图像恢复时采取分块对应重建的方法,实现了位置相关的模型驱动反卷积网络。实验结果表明,该网络可以实现对大视场光片图像的快速反卷积,并提高了图像处理效率、图像质量和视场内图像质量的均匀性。
您还没有登录,请登录后查看详情
|
62/1000专辑:论文下载