抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
スチルカメラは空間解像度の高い画像を撮影することができるが,フレームレートの高い撮影は行えない。一方で,ビデオカメラではフレームレートの高い時系列の画像を撮影できるが,空間解像度を高くすることは難しい。この様に,一般的なカメラの空間解像度とフレームレートにはトレードオフがあるが,これは撮像センサからのリードアウトやアナログデジタル変換などのハードウェアの制限に起因するものである。これを克服する方法として,圧縮ビデオセンシング手法が研究されている。圧縮ビデオセンシングでは,画素をランダムなタイミングで露光可能なセンサにより撮像したからランダム露光画像から,シーンのスパース性を利用して,高解像度で高フレームレートの動画を再構成する。この再構成処理にスパース最適化やGaussian Mixture Models(GMM)を用いた手法など様々な手法が提案されてきたが,一般に再構成に時間がかかるという問題があった。それに対して,近年Deep Learningによる圧縮ビデオセンシングのための再構成手法が提案され高速化が実現出来ている。本研究では,このDeep Learningによる再構成手法と従来再構成手法の比較実験を行い,その画質や復元時間についての評価を行った。また圧縮ビデオセンシングに用いる,ランダム露光パターンに関しても比較検討を行った。(著者抄録)