H20113楊舒斐

H20307陳力瑀

國家同步輻射研究中心

本專題旨在解決奈米級穿透式X光顯微鏡在拍攝影像時因為光源不均勻導致影像結果重疊的問題。過往解決問題的方法會扣除背景，也就是光源影像，以取的正確的樣品影像。然而，這樣的流程就必須先拍攝無樣品時的光源影像，在拍攝真正的樣品。但當光源不穩定時，需要頻繁拍攝參考影像，增加拍攝時間並影響數據結果。為了解決這個問題，本專題提出了基於生成對抗網路（GAN）的，通過訓練神經網路模型，直接從輸入的原始影像預測對應的參考影像，以克服取得參考影像困難的問題。透過生成器和鑑別器的對抗，生成接近的影像。本專題使用了五種生成器，分別是Image-to-Image，U-net，Residual U-net，Attention U-net，Residual+Attention U-net，實驗生成器不同的性質對於生成之參考影像精準度的差異與影響。分析預測結果後，我們了解到Image-to-Image生成器與生成對抗網路的配合可以預測出準確度最高的參考背景影像。