基于自监督学习实现电子显微图像降噪

在电子显微镜的表征工作中，噪声可以掩盖或者干扰有用的信号并对后续研究造成不可忽视的影响。本文提出了一种使用自监督深度学习技术对电子显微图像进行降噪的新方法，该方法搭建了基于U-Net的新型降噪神经网络模型，利用最大模糊池化以及注意力机制提高降噪能力。最后，本研究通过多种电子显微实验数据验证了所提出方法的有效性。相比有监督学习，本方法更适合难以获得干净数据的电子显微图像场景，此外，本方法比传统机器学习拥有更好的降噪效果和效率。