基于物理的生成对抗网络用于激光光斑噪声抑制
Xiangji Guo1, Fei Xie1, Tingkai Yang1
1Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences, Hangzhou 310024, China.
Sensors (Basel, Switzerland)
|July 12, 2025
概括
这项研究引入了一种新的方法来减少激光显微镜中的斑点噪声. 该技术使用与物理模型训练的循环生成对抗网络 (CycleGAN),提高图像质量而不需要清洁数据.
科学领域:
- 光学和光子学 在光学和光子学.
- 图像处理 图像处理
- 计算成像技术的成像
背景情况:
- 高分辨率显微镜通常使用紫外线 (UV) 激光器进行照明.
- 激光连贯性和样品表面粗性会引起斑点噪声,降低图像质量.
研究的目的:
- 开发一种新的斑点噪声抑制方法,用于连贯的基于激光的微观成像.
- 为了提高激光显微镜中的图像质量,而不需要注释数据.
主要方法:
- 使用统计物理建模和图像梯度差异训练了一个循环生成对抗网络 (CycleGAN).
- 纳入物理约束,以捕捉斑点噪声机制.
- 该方法是为无监督学习而设计的,消除了对干净,配对数据的需求.
主要成果:
- 提出的方法有效地抑制了高分辨率激光显微镜中的斑点噪声.
- 它显著超过了传统的过方法和无监督的卷积神经网络 (CNN).
- 这种方法显示出优越的无效化性能和培训效率.
结论:
- 综合的物理约束成功引导了CycleGAN培训,以减少斑点噪声.
- 该方法为增强激光显微镜图像提供了强大的解决方案.
- 该框架在其他连贯激光成像模式中具有潜在的应用.
更多相关视频
12:14The Generation of Higher-order Laguerre-Gauss Optical Beams for High-precision Interferometry
Published on: August 12, 2013
21.9K
07:20A Novel Approach to Overcome Movement Artifact When Using a Laser Speckle Contrast Imaging System for Alternating Speeds of Blood Microcirculation
Published on: August 30, 2017
8.5K
