基于超分辨率对抗网络的傅里叶叠层成像技术
傅里叶叠层成像(FPM)受硬件和算法等因素的限制,成像的整体性能有待提高.为解决传统FPM技术成像速度慢、成像质量低的问题,融入深度学习的FPM图像重建方法得到广泛关注.基于此,提出一种基于超分辨率对抗生成网络的FPM模型,在原有网络基础上通过增加密集块连接实现全局特征融合并且使用一种加权损失函数提高图像重建质量.分辨率板图像重构结果表明,所提深度学习方法较传统方法重建效果显著、重建速度更快.
显微、计算成像、傅里叶叠层显微成像、对抗生成网络、超分辨率重建、深度学习
60
TP391(计算技术、计算机技术)
河北省高等学校科学研究项目;唐山市科技计划项目
2023-11-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
168-174