文献

J-GLOBAL ID：202002274134936375   整理番号：20A0191355

サンプリングと再構成統合ディープネットワークに基づく単一光子計数圧縮イメージング【JST・京大機械翻訳】

Single photon counting compressive imaging based on a sampling and reconstruction integrated deep network

著者 (6件)： Guan Yanqiu (School of Information Engineering, Nanchang University, Nanchang 330031, China) ,  Yan Qiurong (School of Information Engineering, Nanchang University, Nanchang 330031, China) ,  Yang Shengtao (School of Information Engineering, Nanchang University, Nanchang 330031, China) ,  Li Bing (School of Information Engineering, Nanchang University, Nanchang 330031, China) ,  Cao Qianqian (School of Information Engineering, Nanchang University, Nanchang 330031, China) ,  Fang Zheyu (School of Information Engineering, Nanchang University, Nanchang 330031, China)
資料名： Optics Communications  (Optics Communications)
巻： 459  ページ： Null  発行年： 2020年 
JST資料番号： A0678B  ISSN： 0030-4018  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： 光子計数イメージングにおける圧縮センシング理論の非常に効率的な実装である単一光子計数圧縮イメージングは,低コストと超高感度の利点を提供する。しかしながら,高分解能イメージングを実行するとき,単一光子計数圧縮画像は多くの測定と大量の画像再構成計算により長い画像処理時間を必要とする。本論文では,新しいサンプリングと再構成統合深いネットワークに基づく単一光子計数圧縮イメージングシステムを実証した。このネットワークBF2C-Netを呼ぶ。二値化完全接続層をネットワークの第一層として特別に設計し,効率的に圧縮サンプリングを行うためにDMD上に直接負荷できる二値測定行列として訓練した。最初の層を除くネットワークの残りの層を用いて,圧縮センシング画像を迅速に再構成した。画像性能に及ぼす圧縮サンプリング速度,測定マトリックスおよび再構成アルゴリズムの影響を比較した。実験結果により,BF2C-Netは,既存の反復法および多くの他の深い学習ベースの方法よりも著しく優れていることを示した。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： 再構成 ,  学習 ,  *光子計数 ,  *ネットワーク ,  *画像処理 ,  単一層 ,  逐次近似 ,  画像再構成
準シソーラス用語： *単一光子 ,  再構成アルゴリズム ,  二値化 ,  イメージングシステム ,  圧縮画像 ,  圧縮センシング ,  *単一光子計数 , 【Automatic Indexing@JST】

著者キーワード (4件)： 単一光子イメージング ,  単一光子計数圧縮イメージング ,  圧縮センシング ,  深層学習

分類 (2件)： 光学情報処理  (BD03060T) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： サンプリング ,  再構成 ,  統合 ,  単一光子計数 ,  イメージング