文献

J-GLOBAL ID：202002224990584377   整理番号：20A2662513

高分解能サンプリング単一ピクセルイメージングに向けて:ニューラルネットワーク展望【JST・京大機械翻訳】

Towards high-resolution undersampled single-pixel imaging: a neural network perspective

著者 (4件)： Rizvi Saad (Beijing Institute of Technology (China)) ,  Cao Jie (Beijing Institute of Technology (China)) ,  Hao Qun (Beijing Institute of Technology (China)) ,  Cheng Yang (Beijing Institute of Technology (China))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11567  ページ： 115674M-7  発行年： 2020年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,アンダーサンプリングで高解像度ターゲット画像を生成することができる新しい単一ピクセル画像(SPI)フレームワークを提案した。サンプリングは,リアルタイム応用のためにSPIにおける長い画像処理時間の問題のまわりで作業するために使用した。しかし,アンダーサンプル測定からの再構成は,ノイズ,リングまたは画素化アーチファクト,およびターゲット認識を複雑にする低解像度に悩まされる。画質を改善するために,深層学習(DL)ベースアプローチが提案されているが,改善は雑音とアーチファクト除去のみに基づいている。画像解像度を改善するためには,高周波情報の欠如(ターゲット再構成の保証)のために非常に困難なアンダーサンプル入力から微細な詳細を回復する必要がある。このタスクを達成するために,アンダーサンプル(10%)96×96入力から低および高周波数表現の両方を生成するように学習するDLモデルを適用し,高品質(高分解能)出力を生成するためにそれらを組み合わせることを提案した。実験結果は,提案モデルがノイズと周波数ベースのアーチファクトに対してロバストであり,分解能(詳細)を改善することによって高品質目標を再構成することを示した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *ニューラルネットワーク ,  HF【周波数】 ,  画像処理 ,  *画素 ,  物体認識 ,  画質 ,  *高分解能 ,  ロバスト性 ,  アーチファクト
準シソーラス用語： アンダーサンプリング ,  高品質 ,  画像解像度 ,  アーチファクト除去 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 高分解能 ,  サンプリング ,  ピクセル ,  イメージング ,  ニューラルネットワーク ,  展望