Reconstrução de Imagens Integrativas Computacionais Baseada em Rede Generativa Adversarial de Super-Resolução

Para melhorar a eficiência de aquisição e alcançar uma reconstrução de super alta resolução, é proposto um método de reconstrução de imagem integrativa computacional (CIIR) baseado na rede de rede generativa adversarial (GAN). Primeiramente, uma matriz de câmeras esparsas é utilizada para gerar uma matriz de imagem elemental do objeto 3D. Em seguida, a matriz de imagem elemental é mapeada para uma imagem de visão esparsa de baixa resolução. Por fim, uma rede de super-resolução GAN leve é apresentada para aumentar a amostragem das imagens 3D de baixa resolução para imagens 3D de alta resolução com qualidade de imagem realista. Removendo as camadas de normalização em lote (BN), reduzindo os blocos básicos e adicionando operações intra-bloco, melhores detalhes de imagem e uma geração mais rápida de imagens de super alta resolução podem ser alcançados. Resultados experimentais demonstram que o método proposto pode efetivamente melhorar a qualidade da imagem, com a similaridade estrutural (SSIM) alcançando mais de 0,90, e também pode reduzir o tempo de treinamento em cerca de 20%.