深層学習を用いた赤外線アレイにおける相関読取雑音低減【JST・京大機械翻訳】

Payeur Guillaume; Artigau Etienne; Perreault-Levasseur Laurence; Doyon Rene

プレプリント

J-GLOBAL ID：202202219917720440 整理番号：22P0344011

深層学習を用いた赤外線アレイにおける相関読取雑音低減【JST・京大機械翻訳】

Correlated Read Noise Reduction in Infrared Arrays Using Deep Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年05月03日プレプリントサーバーでの情報更新日： 2022年05月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

著者らは,低フラックス領域におけるHxRG検出器を用いて,天文学装置によって収集されたデータキューブから科学画像を構築するために,深層学習に根付いた新しい手順を提示した。相関読出し雑音の影響を低減するために,検出器の読出し方式を用いて多重読出しから2D画像を構築する従来のアルゴリズムの欠点を改善した。科学画像の各画素のフラックスを推定するため,実験室暗に追加した模擬天体物理学シーン上で畳み込み再帰ニューラルネットワークを訓練した。この方法は,標準フラックス測定方式(相関二重サンプリング,アップザムサンプリング)と比較した場合,構築した科学画像上の雑音の低減を達成し,これらの科学画像から抽出されるスペクトルに対する誤差の低減をもたらす。シミュレートしたデータキューブは,この方法が最大の影響を持ちうる低信号対雑音比領域内で作成され,ここで構築した科学画像上の誤差が1/√N減衰よりも速くなり,画像から抽出したスペクトルが3つの画像のテストセットで平均化され,標準誤差が標準アップラムピクセルサンプリング方式と比較して1.85倍減少することを見出した。このプロジェクトで用いたコードは,GitHubに公的に利用できる。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

撮像・録画装置 , 図形・画像処理一般

, , , , ,

前のページに戻る