扫描电镜（SEM）广泛应用于材料科学、生物医学、纳米技术等多个领域，高分辨率SEM图像能够提供更加精细的样本微观结构信息，有助于深入研究材料的表面形貌、组成、缺陷及其微观性能。基于此，吉林大学电镜中心国胧予博士在测试服务好用户的同时，致力于扫描电镜图像的分析方法学研究，最新成果，以”Deep channel-spatial attention networks for enhancing super-resolution of high-magnification SEM images”为题，刚刚发表在Springer-Nature出版社的专业期刊The Visual Computer (2025) DOI: 10.1007/s00371-025-03985-8, 未来将应用在为电镜中心用户的测试服务中。https://rdcu.be/emUy5

文章提出了一种深度通道空间注意网络（DCSAN），融合了通道注意力和空间注意力机制，在高倍率下能够有效捕捉高频特征，通过利用通道和空间的上下文信息，显著提升扫描电镜图像的分辨率。采用DCSAN处理扫描电镜图像可以在较短的扫描时长内获得高分辨率图像，显著提高工作效率，并减少低导电性样品在慢扫过程中产生的荷电效应，以及电子束敏感样品在长时间曝光下的损伤风险。同时解决样品中缝隙不连贯的问题，并为后期图像检测和分割提供了更高的精确度，提升了样品分析的可靠性。

DCSAN方法对扫描电镜图像分辨率的提升


DCSAN方法在SEM图像分割领域的应用


DCSAN方法在SEM图像检测领域的应用

基于深度注意力机制的超分辨率网络（DCSAN）结合了通道注意力和空间注意力，能够更好地提取高频特征，从而生成高质量的高分辨率SEM图像。在较高放大倍率下表现尤为突出，超越了前沿的深度学习法，如基于卷积神经网络（CNN）和生成对抗网络（GAN）的算法。该方法作为一种通用的SEM图像超分辨率解决方案，紧密结合数据采集与实际SEM操作，通过超分辨率方法有效提升SEM图像采集效率，适用于多个专业领域。

扫描电镜在拍摄过程中快扫能提高效率，但图像质量较低，无法获得细节清晰的结果，慢扫则耗时较长，可能对样品造成不稳定的损伤。应通过优化快扫技术，使其在保持高效率的同时，能够获得与慢扫等效的图像质量。同时扫描电镜在图像采集过程中常伴随明显噪声，导致纹理细节难以清晰呈现，从而影响样品分析的精度。提出的方法能更好地平衡扫描时间与图像质量之间的关系，增强图像细节，提高分析的准确性和可靠性，推动相关领域研究的发展和创新。采用提高SEM图像分辨率的DCSAN技术，不仅能提升技术水平和竞争力，还能增强客户信任，为客户提供精度更高的测试结果，从而推动电镜中心发展。