文献

J-GLOBAL ID：202002217692046388   整理番号：20A0772465

大気乱流により劣化した画像のブラインド脱畳込み【JST・京大機械翻訳】

Blind de-convolution of images degraded by atmospheric turbulence

著者 (4件)： Chen Gongping (School of Computer and Software Engineering, Xihua University, Chengdu 610039, PR China) ,  Gao Zhisheng (School of Computer and Software Engineering, Xihua University, Chengdu 610039, PR China) ,  Wang Qiaolu (School of Computer and Software Engineering, Xihua University, Chengdu 610039, PR China) ,  Luo Qingqing (School of Computer and Software Engineering, Xihua University, Chengdu 610039, PR China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 89  ページ： Null  発行年： 2020年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 大気擾乱は,乱流媒質のランダム運動による空間内のターゲットの画像化の間,光の経路と方向を変えることができ,厳しい画像歪をもたらす。幾何学的歪を修正し,空間的および時間的に変化するぼけを低減するために,本論文では,特徴抽出雑音抑制ブロック(FENSB),非対称Uネット,および画像再構成サブネットワーク(IRsubnetwork)を含むブラインドぼけ大気乱流(BDATNet)の畳込みネットワークを提案した。Uネットのための従来の畳込み層の代わりに,ぼけ雑音抑制ブロック(DNSB)を用いた。このモデルのコア原理は,ぼけの前に雑音を抑制することである。畳込み符号化の間,FENSBとDNSBは雑音を抑制し,豊富な特徴マップを捕捉することができる。低レベルと高レベルの特徴から得られた情報を融合するために,FENSBとIRsubnetworkを,画像再構成の間,前者の完全性を確実にするためにスキップした。さらに,ネットワークを訓練するためのデータの難しさを徐々に増加させる方法を用いて,それを単純から複雑に徐々に収束させるために,それは乱流によって著しく劣化する画像を扱うことができた。実際のデータとシミュレーションデータの実験結果は,BDATNetが画像の詳細を復元して,そのエッジを鋭くすることができて,ノイズを抑制することができることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像歪 ,  *大気乱流 ,  *畳込み ,  ネットワーク ,  雑音発生防止 ,  大気擾乱 ,  画像再構成 ,  シミュレーション ,  非対称性 ,  媒質 ,  *乱流 ,  完全性 ,  特徴抽出 ,  雑音 ,  宇宙空間

著者キーワード (5件)： 畳込みオートエンコーダ ,  非対称Uネット ,  宇宙ターゲット画像 ,  ブラインド復元 ,  大気乱流

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 大気乱流 ,  ブラインド ,  畳込み