基于多尺度特征融合网络的傅里叶叠层成像 | |
宋东翰; 王斌; 朱友强; 刘鑫 | |
刊名 | 液晶与显示 |
2022-11-02 | |
卷号 | 37期号:11页码:1476-1487 |
英文摘要 | 傅里叶叠层成像是一种实现光学系统高分辨率、大视场成像的技术。传统FP方法的高分辨率重建过程需要较高的孔径重叠率,导致采集图像数量较多,采样效率低。此外,FP重建算法的复杂度高,重建时间长。针对以上问题,本文结合深度学习,提出一种基于多尺度特征融合网络的傅里叶叠层成像算法,通过改进的特征金字塔卷积神经网络,能够从稀疏采样的低分辨振幅图像中提取特征信息并进行融合,实现超分辨的复图像重建。实验结果表明,在相同采样条件下,与传统方法相比,本文提出的深度学习算法提高了图像重建的质量,减少了90%以上的重建时间,并且对高斯噪声的鲁棒性较高。所提出的方法能够将相邻频域子孔径间的重叠率从50%降低至25%,减少50%的采集图像数量,大幅提高采样效率。 |
内容类型 | 期刊论文 |
源URL | [http://ir.ciomp.ac.cn/handle/181722/66223] |
专题 | 中国科学院长春光学精密机械与物理研究所 |
作者单位 | 1.拉彭兰塔-拉赫蒂理工大学工程科学学院计算机视觉与模式识别实验室 2.中国科学院大学 3.中国科学院长春光学精密机械与物理研究所 |
推荐引用方式 GB/T 7714 | 宋东翰,王斌,朱友强,等. 基于多尺度特征融合网络的傅里叶叠层成像[J]. 液晶与显示,2022,37(11):1476-1487. |
APA | 宋东翰,王斌,朱友强,&刘鑫.(2022).基于多尺度特征融合网络的傅里叶叠层成像.液晶与显示,37(11),1476-1487. |
MLA | 宋东翰,et al."基于多尺度特征融合网络的傅里叶叠层成像".液晶与显示 37.11(2022):1476-1487. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论