基于单图像的无监督联合分割和降噪
原文中文，约400字，阅读约需1分钟。发表于：。我们开发了一种无监督的方法，用于单幅图像的联合分割和去噪。我们结合了变分分割方法的优势和自监督单幅图像的深度学习方法的能力。我们的方法的一个主要优点在于，与需要大量标记样本的数据驱动方法相比，我们的模型可以将图像分割为多个有意义的区域，而无需任何训练数据库。此外，我们引入了一种新的能量函数，其中去噪和分割被耦合在一起，使得两个任务相互受益。我们提出了一种统一的优化策略，并展示了在显微镜中可用...
该研究开发了一种无监督的方法，用于单幅图像的联合分割和去噪。该方法结合了变分分割方法和自监督单幅图像的深度学习方法，可以将图像分割为多个有意义的区域，无需任何训练数据库。该方法在显微镜中可用的非常嘈杂的图像方面表现优于其顺序对应物以及纯粹针对去噪或分割的替代方法。
