期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
MAED-CNN:一种原子尺度图像降噪的深度学习模型
1
作者
詹凌涛
范浩龙
+7 位作者
张腾
王婷婷
曹雄柏
李燕
周贞如
张全震
杨惠霞
王业亮
《真空科学与技术学报》
北大核心
2025年第8期686-695,共10页
工作在超高真空环境下的扫描隧道显微镜(STM)具备原子级分辨率,广泛应用于材料表面结构的精细成像。然而,STM图像易受机械振动、电子噪声、环境扰动等多种因素影响,导致图像质量下降,严重制约其科学研究价值。为提升STM图像的可用性和精...
工作在超高真空环境下的扫描隧道显微镜(STM)具备原子级分辨率,广泛应用于材料表面结构的精细成像。然而,STM图像易受机械振动、电子噪声、环境扰动等多种因素影响,导致图像质量下降,严重制约其科学研究价值。为提升STM图像的可用性和精度,文章提出一种基于多尺度特征提取与注意力机制的深度学习图像修复模型——MAED-CNN。该模型采用U-Net编码−解码结构,融合多尺度卷积模块与通道注意力机制,并引入人工修复图像作为监督参考,有效增强对图像局部细节与全局结构的重构能力。在多个真实STM图像数据集上进行测试,MAED-CNN在PSNR、SSIM、UQI等评价指标上均优于现有主流图像修复模型,表现出更高的图像还原精度与稳定性。研究为STM图像智能修复提供了新思路,对提升纳米尺度成像技术的应用水平具有重要意义。
展开更多
关键词
深度学习
图像修复
扫描隧道显微镜
在线阅读
下载PDF
职称材料
题名
MAED-CNN:一种原子尺度图像降噪的深度学习模型
1
作者
詹凌涛
范浩龙
张腾
王婷婷
曹雄柏
李燕
周贞如
张全震
杨惠霞
王业亮
机构
北京理工大学
集成电路
与电子
学院
北京理工大学
长三角
研究院
(
嘉兴
)
低
维
量子
结构与
器件
重点
实验室
出处
《真空科学与技术学报》
北大核心
2025年第8期686-695,共10页
基金
国家自然科学基金项目(62271048)。
文摘
工作在超高真空环境下的扫描隧道显微镜(STM)具备原子级分辨率,广泛应用于材料表面结构的精细成像。然而,STM图像易受机械振动、电子噪声、环境扰动等多种因素影响,导致图像质量下降,严重制约其科学研究价值。为提升STM图像的可用性和精度,文章提出一种基于多尺度特征提取与注意力机制的深度学习图像修复模型——MAED-CNN。该模型采用U-Net编码−解码结构,融合多尺度卷积模块与通道注意力机制,并引入人工修复图像作为监督参考,有效增强对图像局部细节与全局结构的重构能力。在多个真实STM图像数据集上进行测试,MAED-CNN在PSNR、SSIM、UQI等评价指标上均优于现有主流图像修复模型,表现出更高的图像还原精度与稳定性。研究为STM图像智能修复提供了新思路,对提升纳米尺度成像技术的应用水平具有重要意义。
关键词
深度学习
图像修复
扫描隧道显微镜
Keywords
Deep Learning
Image Restoration
Scanning Tunneling Microscope
分类号
TB79 [一般工业技术—真空技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
MAED-CNN:一种原子尺度图像降噪的深度学习模型
詹凌涛
范浩龙
张腾
王婷婷
曹雄柏
李燕
周贞如
张全震
杨惠霞
王业亮
《真空科学与技术学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
