文献

J-GLOBAL ID：202202267058463632   整理番号：22A0202626

RMIST-Net:3D mmWイメージングに対する結合距離移動とスパース再構成ネットワーク【JST・京大機械翻訳】

RMIST-Net: Joint Range Migration and Sparse Reconstruction Network for 3-D mmW Imaging

著者 (7件)： Wang Mou (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Wei Shunjun (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Liang Jiadian (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Zeng Xiangfeng (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Wang Chen (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Shi Jun (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Zhang Xiaoling (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5205117.1-17  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 圧縮センシング(CS)は,従来の整合フィルタリング(MF)と比較して,3Dミリ波イメージングにおける画像品質を改善する有意な可能性を示す。しかし,既存のスパース性駆動3Dイメージングアルゴリズムは,複雑な反復最適化ステップにおける巨大な次元行列四角形ベクトル乗算のために,常に大規模な保存,過度の計算コスト,およびパラメータの非自明な調整に悩まされる。本論文では,近接場3Dミリ波(mmW)スパースイメージングのために,従来のモデルベースCS法とデータ駆動深層学習法を結合することにより,RMIST-Netとして,新しい範囲マイグレーション(RM)カーネルベース反復収縮閾値ネットワーク(dubbed)を提示した。最初に,ISTA最適化ステップにおける測定マトリックスをRMカーネルによって置換して,それによって,マトリックス四角形ベクトル乗算をHadamard製品に変換した。次に,修正ISTA最適化を,深い階層的アーキテクチャに非圧延し,その中で,すべてのパラメータを手動で調整する代わりに自動的に学習した。続いて,ランダムに分布したターゲットとそれらの対応するエコーを有する1000対のオラクル画像をシミュレートして,ネットワークを訓練した。よく訓練されたRMIST-Netは,範囲集束エコーから高品質3D画像を生成する。最後に,RMIST-Netは1秒以内に512×512大規模画像処理タスクを処理できることを証明した。さらに,近接場3Dイメージング応用において,RMIST-Netを他の最先端の方法と比較した。シミュレーションと実測定実験の両者は,RMIST-Netが,従来およびスパース画像アルゴリズムと比較して,高い計算速度を維持しながら,印象的な再構成性能を生成することを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  最適化 ,  集束 ,  ベクトル ,  *ネットワーク ,  乗算 ,  *画像処理 ,  画質 ,  EHF波 ,  *三次元 ,  計算機アーキテクチャ ,  近接場
準シソーラス用語： 三次元画像 ,  スパース性 ,  圧縮センシング , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  レーダ  (ND13010H)

タイトルに関連する用語 (4件)： 3D ,  イメージング ,  結合距離 ,  スパース再構成