文献

J-GLOBAL ID：202202261947758959   整理番号：22A0904012

マルチフォーカス画像融合のための畳込み解析オペレータ学習【JST・京大機械翻訳】

Convolutional analysis operator learning for multifocus image fusion

著者 (3件)： Zhang Chengfang (National Key Laboratory of Fundamental Science on Synthetic Vision, College of Computer Science, Sichuan University, Chengdu 610039, China) ,  Zhang Chengfang (The Center of Laboratory and Equipment, Sichuan Police College, Luzhou 646000, China) ,  Feng Ziliang (National Key Laboratory of Fundamental Science on Synthetic Vision, College of Computer Science, Sichuan University, Chengdu 610039, China)
資料名： Signal Processing: Image Communication  (Signal Processing: Image Communication)
巻： 103  ページ： Null  発行年： 2022年 
JST資料番号： T0844A  ISSN： 0923-5965  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： スパース表現(SR),畳み込みスパース表現(CSR)および畳込み辞書学習(CDL)は,信号逆問題(多焦点画像融合のような)で成功することが証明されている合成ベース事前である。「合成」式とは異なり,「解析」モデルは,信号の様々な前方測定を通して信号を信号に割り当てる。解析オペレータ学習(AOL)は古典的解析ベース学習法である。畳込み解析オペレータ学習(CAOL)はAOLの畳込み形式である。CAOLは,逆問題をより正確に解くために自動符号化畳込みニューラルネットワーク(CNN)を訓練するために教師なし学習法を使用する。CAOLの展望から,本論文は,マルチフォーカス画像融合に学習畳込み正則化器を導入し,CAOLベースのマルチフォーカス画像融合アルゴリズムを提案した。CDL段階において,主要装置(BPEG-M)と適応運動量再開方式による収束ブロック近位外挿勾配法を使用した。スパース融合段階において,畳込み基底追跡雑音除去(CBPDN)とl1ノルム最大戦略による乗算器(ADMM)アプローチの交互方向方法を,それぞれ高周波と低周波成分のために採用する。3種類のマルチフォーカス画像(静的灰色画像,スポーツとカラー画像における灰色画像)を試験し,提案した方法の性能を検証した。代表的方法との比較は,主観的観察と客観的評価に関して著者らの方法の優位性を示した。Copyright 2022 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： アルゴリズム ,  *畳込み ,  外挿法 ,  *学習 ,  傾斜法 ,  *オペレータ ,  教師なし学習 ,  *画像 ,  逆問題 ,  正則化 ,  カラー画像 ,  ノルム ,  雑音除去
準シソーラス用語： スパース表現 ,  辞書学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： マルチフォーカス画像融合 ,  解析ベース信号モデル ,  畳込み解析オペレータ学習 ,  BPEG-M ,  ADMM ,  CBPDN

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： マルチフォーカス画像 ,  融合 ,  畳込み ,  解析 ,  オペレータ ,  学習