論文の概要、ライセンス

# (参考訳) voxelパターンに基づくウェーブレットを用いたマルチビュー画像の連続ウェーブレット変換 [全文訳有]

Continuous wavelet transform of multiview images using wavelets based on voxel patterns ( http://arxiv.org/abs/2205.05823v1 )

ライセンス: CC BY 4.0
Vladimir Saveljev(参考訳) 本稿では,マルチビューディスプレイのボクセルパターンに基づくマルチビューウェーブレットを提案する。 二値および灰色スケール画像の直接および逆連続ウェーブレット変換を行った。 逆ウェーブレット変換への入力は、直接変換のウェーブレット係数の配列である。 復元画像は、マルチビュー画像の構造を正しく再現する。 また,視差の次元と3次元画像の深さも修正した。 修復および修正された画像はレンチキュラープレートを使用して3dで表示された。 それぞれの場合、視覚的な3D画像は適用された修正に対応する。 結果は立体視の3Dディスプレイに適用できる。

We propose the multiview wavelets based on voxel patterns of autostereoscopic multiview displays. Direct and inverse continuous wavelet transforms of binary and gray-scale images were performed. The input to the inverse wavelet transform was the array of wavelet coefficients of the direct transform. A restored image reproduces the structure of the multiview image correctly. Also, we modified the dimension of the parallax and the depth of 3D images. The restored and modified images were displayed in 3D using lenticular plates. In each case, the visual 3D picture corresponds to the applied modifications. The results can be applied to the autostereoscopic 3D displays.
公開日: Thu, 12 May 2022 01:22:02 GMT

※ 翻訳結果を表に示しています。PDFがオリジナルの論文です。翻訳結果のライセンスはCC BY-SA 4.0です。詳細はトップページをご参照ください。

翻訳結果

    Page: /      
英語(論文から抽出)日本語訳スコア
Continuous wavelet transform of multiview images using wavelets based on voxel patterns voxelパターンに基づくウェーブレットを用いたマルチビュー画像の連続ウェーブレット変換 0.72
VLADIMIR SAVELJEV ウラジーミル・サヴェルエフ 0.44
* Public Safety Research Center, Konyang University, Nonsan, Chungcheongnam‑do 32992, Republic of Korea *saveljev.vv@gmail.c om * Koyang University, Nonsan, Chungcheongnam-do 32992, Republic of Korea *saveljev.vv@gmail.c om 0.40
Abstract: We propose the multiview wavelets based on voxel patterns of autostereoscopic multiview displays. 要約: 立体視型マルチビューディスプレイのボクセルパターンに基づくマルチビューウェーブレットを提案する。 0.68
Direct and inverse continuous wavelet transforms of binary and grayscale images were performed. 二値および灰色スケール画像の直接および逆連続ウェーブレット変換を行った。 0.75
The input to the inverse wavelet transform was the array of wavelet coefficients of the direct transform. 逆ウェーブレット変換への入力は、直接変換のウェーブレット係数の配列である。 0.67
A restored image reproduces the structure of the multiview image correctly. 復元画像は、マルチビュー画像の構造を正しく再現する。 0.81
Also, we modified the dimension of the parallax and the depth of 3D images. また,視差の次元と3次元画像の深さも修正した。 0.70
The restored and modified images were displayed in 3D using lenticular plates. 修復および修正された画像はレンチキュラープレートを使用して3dで表示された。 0.57
In each case, the visual 3D picture corresponds to the applied modifications. それぞれの場合、視覚的な3D画像は適用された修正に対応する。 0.67
The results can be applied to the autostereoscopic 3D displays. 結果は立体視の3Dディスプレイに適用できる。 0.71
1. Introduction We made a transform of the multiview (MV) image in the image plane of an autostereoscopic three-dimensional (3D) display [1]-[3] with a lenticular/barrier plate. 1. はじめに 立体立体表示 [1]-[3] をレンズ状/バリアプレートで画像面にマルチビュー(MV)画像を変換した。 0.51
At the same time, multiview, integral, plenoptic, and light-field displays have a similar structure of the image. 同時に、マルチビュー、積分、プレンオプティクス、および光場表示は、画像の類似した構造を持つ。 0.71
(In plenoptic case, this is called “raw image”.) Some peculiar arrangements comprising multiple repeated smaller pieces can be recognized in the image plane of mentioned devices. (複視の場合、これは「生画像」と呼ばれる。)上述の装置の画像面において、複数の小さな部品からなる特異な配置を認識できる。 0.76
These arrangements can be treated as combinations of so-called voxel patterns (VP) [4], [5], a sort of elementary particles in the image plane, similar Fresnel patterns in Fresnel holograms [6], [7]. これらの配置は、フレネルホログラム [6], [7] のフレネルパターンと類似した、画像平面における素粒子の一種であるいわゆるボクセルパターン [VP) [4], [5] の組み合わせとして扱うことができる。 0.84
Also important is that the image plane of autostereoscopic 3D display (ASD) consists of the logical cells, one cell per lenticular/barrier element. また、autostereoscopic 3d display (asd) のイメージプレーンは、論理セルと、レンチキュラー/バリアエレメントごとに1つのセルで構成される。
訳抜け防止モード: また、オートステレオスコープ3Dディスプレイ(ASD)の画像面が論理細胞から構成されていることも重要である。 one cell per leenticular / barrier element .
0.74
In 3D imaging, the wavelets are used for the image fusion [8], gesture recognition [9], video coding [10], [11], etc. 3dイメージングでは、ウェーブレットは画像融合 [8]、ジェスチャー認識 [9]、ビデオ符号化 [10]、[11]などに使用される。
訳抜け防止モード: 3Dイメージングでは、ウェーブレットは画像融合 [8] に使用される。 ジェスチャー認識 [9] ビデオ符号化 [10] [ 11 ] , etc .
0.79
However, the known wavelets are mostly used. しかし、既知のウェーブレットは主に使用される。 0.67
We propose the specially designed wavelets for MV images of ASD to deal with MV images easier. mv画像の処理を容易にするために,特別に設計されたasdのmv画像用ウェーブレットを提案する。 0.51
The wavelets were inspired by the structure of the image in the image plane. ウェーブレットは画像平面内の画像の構造にインスパイアされた。 0.67
VPs are series of rectangular pulses. VP は長方形パルスの直列である。 0.66
Previously developed MV wavelets for ASD were based on Haar [12], Bspline [13], and Marr wavelets [14]. ASD用MVウェーブレットは,Haar[12],Bspline[13],Marrウェーブレット[14]に基づいて開発された。 0.72
The Haar-based MV wavelets are directional, while the MV image does not show directionality. HaarベースのMVウェーブレットは方向性を示すが、MV画像は方向性を示すものではない。 0.60
As compared to the MV wavelets based on B-spline and Marr functions, the proposed wavelets have an essentially simple structure, although technically, the PB MV wavelet is not a wavelet packet as [13], [14], rather individual function for each n, as in [4], [5]. B-スプラインとマー関数に基づくMVウェーブレットと比較して、提案するウェーブレットは基本的に単純な構造であるが、技術的にはPB MVウェーブレットは[13],[14]のようにウェーブレットパケットではなく、[4],[5]のように個々の関数である。 0.67
In this paper, we chose VPs [4], [5] as basic functions for wavelets. 本稿では,ウェーブレットの基本関数としてVP[4],[5]を選択した。 0.77
A simple structure of the pattern-based (PB) wavelets means potentially fast real-time implementations. 単純な構造 パターンベース(pb)ウェーブレットは、潜在的に高速なリアルタイム実装を意味する。 0.55
We made the continuous wavelet transform (CWT) by distance planes and obtain the twodimensional (2D) array of the wavelet coefficients for each plane comprising the 3D array of the coefficients. 距離平面による連続ウェーブレット変換(CWT)を行い,その係数の3次元配列を構成する各平面に対するウェーブレット係数の2次元(2次元)配列を求める。 0.84
Then, the 3D array can be either used for the analysis or the inverse wavelet transform directly or alternatively, it can be modified before the inverse transform. そして、3Dアレイを解析や逆ウェーブレット変換に直接あるいは代わりに使用することができ、逆変換の前に修正することができる。 0.79
The result is another 3D image. 結果は別の3d画像だ。 0.77
2. Background. Patterns and their Fourier spectra 2. 背景。 パターンとそのフーリエスペクトル 0.52
英語(論文から抽出)日本語訳スコア
The basic element of VPs is the symmetric rectangular unit pulse of the unit width commonly defined as, VPsの基本要素は、一般的に定義される単位幅の対称長方形単位パルスである。 0.85
| | | | | | | | 0.42
| | { (1) | | { (1) 0.43
The main properties of VPs [4], [5] in MV images are listed below; also see Fig 1. MV画像中のVP[4],[5]の主な特性を以下に示す。
訳抜け防止モード: MV画像におけるVP[4],[5]の主な特性を以下に示す。 また、Fig 1も参照。
0.76
We imply the cell size equal to 1, and the intensity range of the image is between zero and one [0, 1]. 我々は、セルサイズが 1 に等しく、画像の強度範囲が 0 から 1 [0, 1] の間であることを示す。 0.81
Let d be a discrete distance from the screen [14]. d を画面から離散距離とする[14]。 0.59
There are positive and negative distances at opposite sides of the screen of ASD (in front and behind). ASDの画面の反対側(前後)には正と負の距離がある。 0.61
Each VP corresponds to a discrete depth plane, and the d-th pattern consists of n = |d| smaller pieces of the identical amplitude and width, n = 1, 2, …, all partitions are non-negative and their summed area is equal to one (the size of the cell). 各VP は離散深度平面に対応し、d 番目のパターンは n = |d| 個の小さな振幅と幅、n = 1, 2, ... から成り、すべての分割は非負であり、その合計面積は 1 に等しい(セルのサイズ)。 0.74
Fig. 1. Voxel patterns of the d-th order: 図1。 d階のボクセルパターン: 0.38
(a) d > 0, in front of screen, (a)d>0、画面前。 0.30
(b) d < 0, behind screen. (b) d < 0, behind screen。 0.40
The width of each pulse is equal to 1/n-th part of the cell; we will refer these pulses to as partitions of the cell or just partitions. 各パルスの幅はセルの1/n分の1に等しい。
訳抜け防止モード: 各パルスの幅はセルの1/n-部分と等しい これらのパルスは、セルのパーティションまたは単にパーティションとして参照します。
0.87
Each n corresponds to two depth planes +n and –n lying at predefined distances [14]. 各 n は2つの深さ平面 +n と −n に対応し、予め定義された距離 [14] にある。 0.56
The first depth plane (the sign does not matter) is the screen itself, the zeroth plane is omitted. 第1深度平面(符号は重要ではない)は画面自身であり、第0平面は省略される。 0.81
(Zero partition means an absence of the pattern.) (ゼロパーティションとはパターンの欠如を意味する。) 0.84
In VPs for positive and negative planes with the same n (i.e., across the same number of the cells), the partitions are distributed differently; see Fig 1. 同じ n 個の正および負の平面に対する VPs において(すなわち、同じ数のセルに対して)、分割は異なる分布をとる。 0.70
Specifically, the first and last partitions are aligned either to the outer or to the inner boundaries of the outmost (leftmost and rightmost) cells of the pattern. 具体的には、第1および最後の分割は、パターンの外側または最外側(最左側および最右側)の細胞の内部境界に配列される。 0.86
There are two cases: 2つのケースがあります 0.65
(a) a wide gap and the maximum separated pulses correspond to the positive distances in front of the screen, (a)画面前方の正距離に、広いギャップと最大分離パルスが対応している。 0.71
(b) a narrow gap and the maximum close pulses correspond to the negative distances behind the screen. (b)狭い隙間と最大の近接パルスは、画面の後ろの負の距離に対応する。 0.84
We may call these cases as close and separated pulses, resp. これらのケースを近接パルス、分離パルス、respと呼びます。 0.62
The single pulse of the width τ and the amplitude a is expressed as 幅τと振幅aの単一パルスを次のように表現する。 0.75
( ) (2) Note that in this paper, the capital Greek letter Π means the rectangular pulse function, but ( ) (2) この論文では、ギリシャ文字 π は長方形パルス関数を意味するが、 0.47
not a product. VP is a finite series of pulses with the unit height and the shrunk width of 1/n. 製品ではない。 VP は、単位高さとスランク幅が 1/n の有限個のパルスである。 0.82
Similar to [12], VP can be written as a linear combination of the identical rectangular pulses, 類似 12]、VPは同一の長方形パルスの線形結合として書くことができる。 0.48
where the initial phase of the first pulse (i.e., the position of its center) is 最初のパルス(すなわちその中心の位置)の最初のフェーズが 0.60
0.42
(3) (3) 0.42
英語(論文から抽出)日本語訳スコア
{ and the period of pulses (the distance between the centers of repeated pulses) is { パルスの周期(繰り返しパルスの中心間の距離)は 0.50
The graph of the period depending on n is shown in Fig 2. n に依存する周期のグラフは図 2 に示される。 0.72
(4) (5) Fig. 2. (4) (5) 図2。 0.48
Period of positive and negative VPs. 正と負のVPの期間。 0.74
The gap between the pulses of VP is VPのパルス間のギャップは 0.66
{ (6) Depending on the sign of d, the left/right edge of the first/last pulse coincides with the { (6) d の符号に依存すると、第1/最後のパルスの左/右端が一致する。 0.52
left/right edge of the cell. Two particular cases of VPs with n = 1 and n = 2 are shown in Fig 3. 細胞の左右の端。 n = 1 と n = 2 の VP の2つの特別な場合を図 3 に示す。 0.73
Fig. 3. Particular VPs: 図3。 特定のvp: 0.62
(a), (c) second order (two cases: positive in (a)(c)第2次(2例:陽性) 0.32
(a) and negative in (c)); (a)及び(c)における負) 0.82
(b) first order (one case). (b)第一次(一件) 0.30
period, cells00.20.40.60.811 .21.41.61.8205101520 d > 0d < 0n period, cell00.20.40.60.811. 21.61.82051020d > 0d < 0n 0.17
英語(論文から抽出)日本語訳スコア
In the case of n = 1, the same pattern matches both positive and negative distances ±1; n = 1 の場合、同じパターンは正と負の両方の距離 ±1 に一致する。 0.85
neither period nor gap have a meaning. 期間もギャップも意味がありません 0.63
The initial phase is, Therefore, 最初のフェーズは、 そのため 0.68
( ) (7) ( ) (7) 0.43
(8) VP with n = 2 obeys the general rule but may look uncertain, so we explain this case (8) n = 2 の VP は一般規則に従うが、不確実なように見えるので、このケースを説明する。 0.57
separately. The initial phase and the period of the pulses by Eqs. 別々に パルスの初期位相とEqsによる周期。 0.47
(4), (5) are, { (4),(5) は { 0.48
{ (9) { (9) 0.42
(10) Besides, the gap δ2- at the second negative distance is 0, i.e., two adjacent pulses of the width ½ compose a single pulse of the total width 1, as shown by the dashed line in Fig 3(b). (10) また、第2負距離におけるギャップδ2-は0であり、すなわち、図3(b)の破線で示されるように、幅1⁄2の隣接パルスが全幅1の単一パルスを構成する。 0.62
Furthermore, let’s calculate the Fourier transform (FT) of VPs. さらに、VPのフーリエ変換(FT)を計算しましょう。 0.59
Namely, FT of the single すなわち、シングルのFT。 0.68
pulse Eq (2) is, where the unnormalized sinc function is パルスEq (2) 非正規化sinc関数が 0.51
(11) (12) (11) (12) 0.42
(13) Three particular cases of FT (which will be used in this paper later) are as follows. (13) FTの3つの例(後述)は以下のとおりである。 0.47
(a) an elementary pulse with τ = 1/n, a = A, (a)τ = 1/n,a = aの基本的なパルス 0.83
(b) a typical combination of the elementary pulses (a pair of narrow pulses) with τ = 1/n, a = A, symmetrically displaced around the origin by ±s. b) 基本パルス(一対の狭いパルス)とτ = 1/n, a = Aの典型的な組み合わせで、原点の周囲に±sで対称に変位する。 0.78
Recall that FT of a function shifted by s is the FT of the original function multiplied by the exponential, s でシフトした関数の FT が指数関数で乗算された元の関数の FT であることを思い出してください。 0.74
Thus, (c) a bias of a wavelet (a single “shallow” pulse) with τ = q, a = A/q, したがって (c) τ = q, a = A/q のウェーブレット(単一の「シャロウ」パルス)のバイアス 0.74
Consequently, the FT of VP of the first order is, したがって、一階のVPのFTは、 0.50
(14) (15) (14) (15) 0.43
(16) (17) (16) (17) 0.42
(18) Then, there are two pulses τ = ½ in VP of the second order, which are displaced either by ¼ or by ¾ , as shown in Figs. (18) 次に、2階のVPの2つのパルス τ = 1⁄2 が存在し、図に示すように、1⁄4 または 3⁄4 に置き換えられる。 0.59
3(a), (c). 3(a), (c) であった。 0.78
In the case of the adjacent pulses (s = ¼ ), By Eq (16), FT is, 隣接するパルス (s = 1⁄4 ) の場合、Eq (16) によって FT は、 0.74
(19) (19) 0.42
英語(論文から抽出)日本語訳スコア
For graphical illustrations of these cases, see Fig 4. これらのケースのグラフィカルなイラストは、Fig 4を参照してください。 0.52
Note that Eq (19) is identical to Eq Eq (19) が Eq と同一であることに注意。 0.79
(18) for VP at d = 1. 18) d = 1 の VP について。 0.78
In the case of separate pulses (s = ¾ ), FT of the pattern is, 別個のパルス(s = 3⁄4 )の場合、パターンのFTは、 0.66
( ( 0.43
) (20) Fig. 4. ) (20) 図4。 0.48
FT of VPs of (a) first and VPのFT (a)まず、そして 0.73
(b) second orders. FP of VPs of higher orders can be described similarly, as the sum of pairs Eq (16), b) 第二の命令 高階のVPのFPも同様に、ペア Eq (16) の和として記述できる。 0.67
conditionally plus the central pulse Eq (13) for odd n, 奇数 n に対して、条件付きで中心パルス Eq (13) 0.79
{ ∑ { ∑ 0.42
(21) ∑ (21) ∑ 0.42
To illustrate Eq (21), FT of VPs up to 16th order are shown in Fig 5. Eq (21) を説明するために、第16位までのVPのFTを図5に示す。 0.72
Fig. 5. FT of VPs up to 16th order: 図5。 第16位までの副社長のFT 0.62
(a) negative depth, (b) positive depth. (a)負の深さ b) 正の深さ。 0.77
Note that the minimum (the second extremum after DC) of the FT of the close pulses is on the right side from the dotted vertical line 2π in Fig 5, while the second extremum of the separated pulses on the left side. クローズパルスのFTの最小値(直流後2番目の極端)は図5の点線2πから右側に、分離パルスの2番目の極端は左側にあることに注意されたい。 0.69
This corresponds to the periods of VPs by Eq (5) shown in Fig. 2. これは図2に示す Eq (5) による VP の周期に対応する。 0.79
3. Pattern-based wavelets 3. パターンに基づくウェーブレット 0.48
Now, let’s build the wavelets with the compact support. さて、コンパクトなサポートでウェーブレットを構築しましょう。 0.55
These wavelets were inspired by the VPs described in the previous Section and the french hat wavelet [15], [16] see Fig 6. これらのウェーブレットは前節に記載されたVPにインスパイアされ、フレンチハットウェーブレット [15], [16] は図6をご覧ください。 0.67
One can alternatively consider this wavelet as a positive rectangular pulse biased ½ down or as two adjacent Haar wavelets of the opposite signs. このウェーブレットを正の長方形パルス偏差1/2ダウン、または反対の符号の2つの隣接するハールウェーブレットと考えることができる。 0.64
英語(論文から抽出)日本語訳スコア
Fig. 6. French hat wavelet. 図6。 フランス帽子のウェーブレット。 0.62
Generally, the wavelets should satisfy some important properties, namely, the zero mean (no bias), the square norm one (fixed power/energy); the orthogonality is not a requirement for the continuous wavelet transform (CWT). 一般に、ウェーブレットはいくつかの重要な性質、すなわちゼロ平均(バイアスなし)、正方ノルム(固定パワー/エネルギー)を満たすべきであり、直交性は連続ウェーブレット変換(CWT)の要件ではない。 0.77
The french hat wavelet obviously satisfies the requirements. フレンチハットウェーブレットは明らかに要求を満たす。 0.61
It will be the MV wavelet of the first order. 第1位のMVウェーブレットとなる。 0.50
Then, one can make the higher order wavelets to satisfy the zero mean property by subtracting a small constant (bias) from the whole VP across a limited interval (compact support) of n cells (the support of the wavelet). そして、nセル(ウェーブレットの支持)の限られた間隔(コンパクトサポート)を越えてvp全体から小さな定数(bias)を減算することで、上位のウェーブレットをゼロ平均特性を満たすようにすることができる。 0.78
However, after that, the square norm one condition (satisfied in VPs) becomes violated. しかしその後、正方形ノルム1条件(vpsで満足される)が破られる。 0.59
Nevertheless, by changing the amplitude of the biased VP, this condition can be satisfied again. それでもバイアス付きvpの振幅を変更することにより、この条件を再び満たすことができる。 0.65
Then, we have a wavelet with a proper bias and normalization coefficient satisfying the necessary conditions. 次に、必要な条件を満たす適切なバイアスおよび正規化係数を有するウェーブレットを得る。 0.80
Consider two cases: the one-dimensional (1D) wavelets for ASD with the horizontal parallax only (HPO) and the two-dimensional (2D) wavelets for ASD with so-called full parallax (FP). 水平視差のみを持つASD用1次元(1D)ウェーブレットと、いわゆるフル視差(FP)を持つASD用2次元(2D)ウェーブレットの2つを考える。 0.67
The spectra will be also analyzed. スペクトルも分析される。 0.60
3.1 1D wavelets 3.1 次元ウェーブレット 0.55
HPO wavelets are the functions of one coordinate. HPOウェーブレットは1つの座標の関数である。 0.64
As intended, we take VP, bias, and normalize it; thus we obtain the MV wavelet satisfying the conditions of zero mean and square norm one. 意図した通りに、VP、バイアス、正規化を行い、平均値と正則値の条件を満たすMVウェーブレットを得る。
訳抜け防止モード: 意図した通り、私たちはVP、バイアス、そしてそれを正規化します。 したがって、平均値と標準値の条件を満たすMVウェーブレットが得られる。
0.68
According to this suggestion, the general formula for the 1D MV wavelets of the order n この提案によれば、位数 n の 1D MV ウェーブレットの一般公式である。 0.76
is as follows, (22) where c1Dn is the normalization coefficient, b1Dn is the bias; the VPs Pn with the period pn and phase sn, are given by Eqs. 以下の通りです (22) c1Dnが正規化係数である場合、b1Dnはバイアスであり、周期pnと位相snのVPPnはEqsで与えられる。 0.67
(3)-(5). The coefficient and bias will be calculated in this Section. (3)-(5). この節では係数とバイアスを計算します。 0.49
The overall picture of the PB wavelets built this way is shown in Fig 7, two particular このように構築されたPBウェーブレットの全体像を図7に示す。 0.60
( ) ∑ ( ) ∑ 0.42
cases (n = 1 and n = 2, p = q = 2) in Fig 8. ケース (n = 1 と n = 2, p = q = 2) fig 8 の場合。 0.80
Fig. 7. 1D PB MV wavelets: 第7話。 1D PB MVウェーブレット 0.60
(a) positive distance, a) 正距離; 正距離 0.71
(b) negative distance. (b)マイナス距離。 0.71
英語(論文から抽出)日本語訳スコア
Fig. 8. Particular cases of 1D PB MV wavelets: 図8。 1D PB MVウェーブレットの特に例 0.68
(a) n = 2, (b) n = 1, (a)n = 2 (b)n = 1 0.33
(c) n = -2. (c) n = -2。 0.46
In all three cases, bias = -½ . 3つとも 場合、バイアス = -1⁄2 である。 0.58
Note the different alignment of the pulses to the cells. パルスの細胞への異なるアライメントに注意してください。 0.83
The wavelet ψ1 shown in Fig 8 図8に示すウェーブレットψ1 0.83
(b) is the single rectangular pulse biased by ½ ; compare it with the French hat Fig 6 to find a full identity of the shape (the phase is different, though). (b)は1⁄2で偏った単一の長方形パルスであり、フランスの帽子Fig6と比較して、形状の完全な同一性を求める(ただし位相は異なる)。 0.75
The wavelets ψ2 are negative copies of each other, ψ2+ = - ψ2-, see Figs. ウェーブレット ψ2 は互いに負のコピーであり、 ψ2+ = - ψ2- は figs を参照。 0.66
8 (a), (c). Also note that ψ1 is ψ2- shifted by ½ of the cell (in the former, the positive pulse occupies the whole cell; in the latter, the pulse is shared between two cells, exactly as in the French hat wavelet). 8 (a)、(c) また、ψ1 は細胞全体の 1/2 で ψ2- シフトする(前者は、正のパルスが細胞全体を占有する、後者では、パルスが2つの細胞間で共有される)。 0.57
For the 1D PB wavelet of n-th order occupying n cells, the bias for both positive and n位占有n細胞の1次元PBウェーブレットについて、正と正の両方のバイアス 0.71
negative distances is, { (23) 負の距離は { (23) 0.51
Particularly, b1D1 = b1D2+ = b1D2- =1/2. 特に、b1D1 = b1D2+ = b1D2- =1/2である。 0.43
With the bias by Eq (23), PB wavelets have zero mean. eq (23) によるバイアスにより、pbウェーブレットの平均はゼロとなる。 0.73
Let’s calculate their normalized 彼らの正規化を計算しよう 0.67
power (energy). パワー(エネルギー)。 0.72
In each case, there are n peaks (their total summed width = 1) of the height of 1-1/n plus いずれの場合も、高さ1-1/nプラスのnピーク(総和幅 = 1)が存在する。 0.83
the bias (which height = 1/n) spread across n-1 cells remaining for the bias. バイアス(高さ = 1/n)は、バイアスのために残ったn-1細胞に広がる。 0.65
Then, Therefore, the normalization coefficient of 1D case is, そしたら したがって、1Dケースの正規化係数は、 0.67
‖ ‖ (( ‖ ‖ (( 0.42
) ) ( ) ) ( 0.43
) ‖ ‖ { ) ‖ ‖ { 0.43
(24) (25) (24) (25) 0.43
With n = 1, we may use the coefficient for n = 2, due to their graphical identity. n = 1 の場合、それらのグラフィカルな同一性のために n = 2 の係数を用いることができる。 0.78
The normalization coefficient of these three cases = 1: c1D1 = c1D2+ = c1D2- =1. その... c1D1 = c1D2+ = c1D2- = 1 である。 0.43
Based on the above formulas Eqs. 上記の式 eqs に基づいている。 0.77
(23), (25), the general formula Eq (22) for PB wavelet (23) (25)pbウェーブレットの一般式eq(22) 0.65
can be rewritten, 書き直すことができます 0.74
{ ( ) { ( ) 0.43
( ∑ ( ( ∑ ( 0.42
) ) ) ) 0.43
(26) (26) 0.42
英語(論文から抽出)日本語訳スコア
Now, let’s find FT of the wavelets. さて、ウェーブレットのFTを見つけよう。 0.47
For the first order (the single pulse plus the negative 1次(1つのパルスと負のパルス)に 0.63
bias with n = 1, q = 2), FT by Eqs. バイアスは n = 1, q = 2) で、ft は eqs による。 0.75
(13), (17) is ( (13)(17) ( 0.36
) (27) It is shown in Fig 9 (a). ) (27) 図9(a)に示される。 0.50
Fig. 9. FT of wavelet of 第9話。 ウェーブレットのFT 0.54
(a) first and (b) second orders. (a)まず、そして b) 第二の命令 0.76
Note the absence of DC component in FT of the wavelet; except that the graph is quite ウェーブレットのFTにおける直流成分の欠如に注意。 0.41
similar to the FT of VP; cf. vp; cf の ft に似ている。 0.57
Fig 4(a). Similar to the VPs of the second order, in the corresponding PB wavelets, two pulses are biased by -½ , but are either adjacent or separated. 背番号4(a)。 2階のVPと同様に、対応するPBウェーブレットでは、2つのパルスは-1⁄2 でバイアスされるが、隣接するか分離されている。 0.56
FTs of both cases coincide (except for the sign), 両者のFTは一致している(標識を除く)。 0.73
(28) Again, both FTs have 0 at the origin; see Fig 9(b). (28) 再び、両方のFTは原点が 0 である: Fig 9(b) を参照。 0.62
Also, the moduli of all three また 3つの点のモジュラーは 0.70
mentioned FT for n = 1, 2 are identical. n = 1, 2 の FT は同一である。 0.80
FTs of the PB wavelets of the higher orders can be found similarly to VPs as sums of FTs of several paired pulses for the even n (plus FT of the centered pulse for the odd n) using Eqs. 上位のPBウェーブレットのFTは、Eqs を用いた偶数 n (奇数 n に対して中心パルスの FT を余分に含む) の複数のペアパルスのFTの和として、VPs と同様である。 0.83
(13), (16), (17). (13), (16), (17). 0.36
The calculated spectra of the wavelets are shown in Fig 10. 算出されたウェーブレットのスペクトルを図10に示す。 0.81
Fig. 10. FT of wavelets up to16th order: 第10話。 16位までのウェーブレットのFT 0.54
(a) negative d, (b) positive d (recall that FT(ψ1) = (a)マイナスd。 (b) 正の d である (FT(a1) = を思い出す) 0.67
FT(ψ2), and ψ1 = - ψ2). ft(ψ2) と ψ1 = - ψ2) である。 0.67
Note some particular regions in the spectra, where FT is zero or close to zero. FT が 0 または 0 に近いスペクトルの特定の領域に注意する。 0.69
The regions in Fig 10 are as follows: near zero, exactly on the line 2π, and a high-frequency range > 3π. fig 10 の領域は以下のとおりである: 0 に近い、ちょうど直線 2π 上の領域と、高周波範囲 > 3π である。 0.75
These spectral regions are not covered by the proposed wavelets, and in general, may provoke negative effects. これらのスペクトル領域は提案されたウェーブレットによってカバーされず、一般的には負の効果を引き起こす可能性がある。 0.55
Thus, we might need some special means to cover these “holes” in the spectrum. したがって、これらの「穴」をスペクトルで覆う特別な方法が必要かもしれない。 0.68
Namely, the first region can be covered by the wide single positive pulse of the double width, the second region by a series of the short pulses with period = 1, and the third one by a chirp function which period changes from ½ to the minimal potential period (in a digital screen, 2 pixels), see Fig 11. すなわち、第1の領域は、二重幅の広い単一正パルス、第2の領域は、周期 = 1の短いパルスの一連の短パルス、第3の領域は、周期が1/2から最小のポテンシャル期間(デジタルスクリーンでは2ピクセル)に変化するチャープ関数によってカバーできる。
訳抜け防止モード: すなわち、第1領域は、二重幅の広い単一正パルスで被覆することができる。 周期 = 1 の一連の短いパルスによる2番目の領域 そして第3のチャープ関数は、周期が1/2から最小のポテンシャル期間(デジタルスクリーンでは)に変化するチャープ関数である。 2ピクセル) とfig 11を参照。
0.81
The centers of the pulses of the infinite and chirp signals 無限信号とチャープ信号のパルスの中心 0.57
英語(論文から抽出)日本語訳スコア
are aligned to the edge of the cell (at least the first pulse of each chirp frequency); the number of pulses of these signals should be enough to cover the whole MV image. セルのエッジ(少なくとも各チャープ周波数の最初のパルス)に整列しており、これらの信号のパルス数はmv画像全体をカバーするのに十分である。 0.82
Fig. 11. Additional special “wavelets” to cover the whole spectrum. 第11話。 スペクトル全体をカバーする特別な「ウェーブレット」が追加される。 0.52
(a) scaling function, (a)スケーリング機能、 0.66
b) infinite plane, (c) chirp signal. b) 無限平面 (c) チャープ信号 0.45
Similarly to the scaling function of the Haar wavelet, the rectangular pulse of the double ハールウェーブレットのスケーリング関数と同様に、ダブルの長方形パルス 0.63
width without the bias (see Fig 11(a)) can be chosen as our scaling function, バイアスのない幅(図11(a))をスケーリング関数として選択できます。 0.70
φ1D = Π(x/2) φ1d = π(x/2) 0.35
(29) The normalization coefficient of the scaling function = ½ . (29) スケーリング関数の正規化係数は 1⁄2 である。 0.58
The power spectra of the PB MV wavelets up to 16th order together with the scaling function are shown in Fig 12. pb mvウェーブレットの電力スペクトルをスケーリング関数とともに16次まで図12に示す。 0.60
(Although, “period one” and “chirp” are not included, their place is clear.) (「周期1」と「チャープ」は含まないが、その場所は明らかである。) 0.59
英語(論文から抽出)日本語訳スコア
Fig. 12. Power spectra of PB wavelets up to 16th order together with scaling function. 第12話。 PBウェーブレットのパワースペクトルとスケーリング関数 0.38
3.2 2D wavelets 3.2Dウェーブレット 0.54
Consider the wavelets with the 2D parallax (FP) in a similar manner as 1D. 2Dパララックス(FP)を持つウェーブレットを1Dと同様の方法で考える。 0.80
In this case, we have the functions of two coordinates. この場合、2つの座標の関数を持つ。 0.67
2D PB wavelets of the odd orders between -5 and +5 are shown in Fig 13; the special cases between -2 and 2 in Fig 14. 奇数順序の5から5の間の2次元PBウェーブレットを図13に示し、特に図14の-2から2の間の場合を示す。 0.70
Intensity, A.U.00.10.20.30.40.5 0.60.70.80.910246810 12scaling24816-16-8- 4wave-number, A.U. 強度、a.u.00.10.20.30.40.5 0.60.70.80.910241012 scaling24816-16-8-4w ave-number、a.u. 0.15
英語(論文から抽出)日本語訳スコア
Fig. 13. 2D PB MV wavelets: 第13話。 2D PB MVウェーブレット 0.62
(a) -5th plane, (a)5番目の飛行機 0.66
(b) -3rd, (c) +3rd, (b)-3rd。 (c)+3rd 0.63
(d) +5th. (Black color means maximum, white minimum, gray zero). (d)+5位。 (黒は極大、白極小、グレーゼロ) 0.44
The cells are shown by thin dashed lines. 細胞は薄い破片線で示される。 0.70
Fig. 14. 2D PB MV wavelets for -second, first, and +second depth planes in (a) – (c), resp. 第14話。 2D PB MV wavelet for -second, first, + second depth planes in (a) – (c), resp。 0.41
The cells are shown by thin dashed lines. 細胞は薄い破片線で示される。 0.70
The width and period of pulses in each row/column of a 2D PB wavelet are the same as in the corresponding 1D case. 2DPBウェーブレットの各行/カラムにおけるパルスの幅と周期は、対応する1Dの場合と同じである。 0.85
Note the smaller bias and the changed normalization coefficient (as those for 1D Ricker and 2D Marr wavelets, both derived from the Gaussian). より小さいバイアスと変化した正規化係数に注意する(ガウス式に由来する1d rickerと2d marrウェーブレットの場合のように)。 0.68
Namely, the bias of the 2D case is different because the wavelet is spread across n x n cells, すなわち、2Dケースのバイアスは、ウェーブレットがn x n細胞に分散しているため異なる。 0.77
{ (30) There are n2 peaks of the height of 1-1/n2 (their total area = 1) plus the bias (height = 1/n2) { (30) 高さ1-1/n2(総面積 = 1)とバイアス(1/n2)のn2ピークがある。 0.56
across the area n2-1 remaining for the bias. バイアスのために残った領域 n2-1 にまたがる。 0.55
Therefore, ) and the normalization coefficient of 2D PB wavelets is そのため )と2次元PBウェーブレットの正規化係数 0.75
‖ ‖ (( ‖ ‖ (( 0.42
) ( ) (31) ) ( ) (31) 0.43
英語(論文から抽出)日本語訳スコア
{ (32) { (32) 0.42
The general formula for the 2D PB MV wavelets built as the normalized and biased 正規化および偏りを有する2次元PB MVウェーブレットの一般公式 0.66
product of the orthogonal 1D VPs is as follows, 直交 1D VP の積は次のようになる。 0.59
( ) ( ) 0.42
( ∑ ( ∑ 0.43
(∑ )) (33) (∑ )) (33) 0.43
where c2Dn is the normalization coefficient by Eq (32), b2Dn is the bias by Eq (30), VPs Pn with their period and phase are given by Eqs. c2Dn は Eq (32) の正規化係数であり、b2Dn は Eq (30) のバイアスであり、Pn の周期と位相は Eq によって与えられる。 0.87
(3)-(4). Based on the above formulas, (3)-(4). 上記の式に基づく。 0.48
( ∑ ( ( ∑ ( 0.43
) ∑ ( ) ∑ ( 0.43
) )(34) The 2D scaling function is the product of two 1D scaling functions in each dimension, ) )(34) 2次元スケーリング関数は、各次元における2つの1次元スケーリング関数の積である。 0.50
φ2D = Π(x/2)* Π(y/2) φ2d = π(x/2)* π(y/2) 0.34
(35) Its normalization coefficient = ¼ . (35) 正規化係数は 1⁄4 である。 0.51
4. Numerical and visual experiments 4. 数値および視覚実験 0.60
In numerical experiments, the PB wavelets were used with the binary MV image [4] (two levels of brightness: the black and the white only) and with a gray-scale light-field image made by the independent author [17]. 数値実験では,PBウェーブレットは2値MV画像[4](黒と白のみの2レベル)と独立著者[17]によるグレースケールの光フィールド画像[17]で使用した。 0.69
Calculations are verified and confirmed visually. 計算は検証され、視覚的に確認される。 0.53
4.1. Direct transform 4.1. 直接変換 0.51
The first testing image is the tetrahedron. 最初のテスト画像は四面体です。 0.78
The base of the tetrahedron lies in the xy-plane and the camera (more exactly, an array of virtual cameras) is “in front of” the object, see Fig 15 四面体の基本はxy平面にあり、カメラ(正確には仮想カメラの配列)は物体の前にあり、図15参照。 0.64
(a). FP image of the tetrahedron is shown in Fig 15 (a) 四面体のFP像を図15に示す 0.55
(b) in pseudo colors: the white color in this and following illustrations of the tetrahedron means zero, the black color means one. (b)擬似色:この図及び四面体図に続く白はゼロ、黒は1を意味する。
訳抜け防止モード: (b)擬色: これとそれに続く四面体図の白い色はゼロを意味する。 黒は1を意味する。
0.78
Fig. 15. Tetrahedron: 第15話。 tetrahedron (複数形 tetrahedrons) 0.28
(a) layout, (b) MV image. (a)レイアウト (b)MV画像。 0.64
英語(論文から抽出)日本語訳スコア
For visual verification, the MV image was printed on a desk jet printer and displayed using two orthogonally crossed lenticular plates (15 lines per inch). 視覚的検証のために、MV画像はデスクジェットプリンターに印刷され、2枚の直交するレンズ状板(15行/インチ)で表示された。 0.65
Correspondingly, the size of the printed image cell was 1.69 mm. 印刷された画像セルのサイズは1.29mmであった。 0.62
The visual appearance of the tetrahedron in 3D (technically, two photographs making up a stereo pair) is shown in Fig 16. 3d(技術的にはステレオペアを構成する2枚の写真)における四面体の視覚的な外観は図16に示されている。
訳抜け防止モード: 3次元における四面体の視覚的外観 (厳密にはステレオ対を構成する2枚の写真) 図16に示す。
0.77
Fig. 16. Stereoscopic photograph of the original tetrahedron (crossed lenticular plates). 背番号16。 オリジナルの四面体(交差したレンズプレート)の立体写真。 0.58
With certain practical skills, such a stereo pair can be seen with naked eyes, forming a 3D picture in our mind. 特定の実用技術で、このようなステレオペアは裸眼で見ることができ、私たちの心に3D画像を形成する。 0.67
Such common skills are not unknown [18], [19], [20]. そのような一般的な技量は不明 [18], [19], [20]. 0.74
The visual picture confirms that the vertex is closer to our eyes than the base. 視線は、頂点がベースよりも我々の目に近いことを確認します。 0.74
The result of the direct transform is a 3D CWT array, which can be conveniently represented by planes (2D arrays). 直接変換の結果は3D CWT配列であり、平面(2D配列)で便利に表現できる。
訳抜け防止モード: 直接変換の結果は3次元CWTアレイである。 これは平面(2D配列)で便利に表現できる。
0.70
As compared to the conventional 1D wavelet transform of signals (along the timeline), each 2D array (a transformation across the image plane) is an analog of the line (at a single level) of the matrix of dilations/translatio ns of that transform. 従来の信号の1Dウェーブレット変換(タイムライン)と比較すると、各2Dアレイ(画像平面を横切る変換)は、その変換のダイレーション/翻訳の行列の(単一のレベルで)ラインのアナログである。 0.78
A set of gray-scale images by planes is shown in Fig 17; cross-sections of these 2D arrays along the thin lines in Fig 17 are shown in Fig 18. 平面によるグレースケール画像の集合を図17に示し、図17の細線に沿ったこれらの2Dアレイの断面を図18に示す。 0.85
Fig. 17. Arrays of CWT coefficients for tetrahedron (a)-(d): d = -5, -3, 3, 5. 第17話。 四面体(a)-(d)のCWT係数の配列: d = -5, -3, 3, 5 0.59
(black = maximum, white = minimum, gray = near zero). (黒=最大、白=最小、灰色=ほぼゼロ) 0.69
英語(論文から抽出)日本語訳スコア
Fig. 18. Cross sections of CWT arrays for tetrahedron, (a)-(d): d = -5, -3, 3, 5. 第18話。 テトラヘドロン, (a)-(d): d = -5, -3, 3, 5 の CWT 配列の断面 0.54
Another testing image is the image of books on a desk, which is available for free [17]; もう1つのテスト画像は、机上の本のイメージで、無料[17]で利用できます。 0.70
see Fig 19. Fig. 19. 図19参照。 第19話。 0.58
Magnified part of original light-field image of books. オリジナルの書画の光田画の巨大な部分。 0.49
Credits to T. Georgiev <www.tgeorgiev.net >. T. Georgiev <www.tgeorgiev.net > 0.39
The results of the direct wavelet transform of this light-field, i.e. 2D arrays of the wavelet coefficients at two depth planes are shown in Fig 20. このライトフィールドの直接ウェーブレット変換の結果、すなわち2つの深さ平面におけるウェーブレット係数の2次元配列が図20に示される。 0.84
In this case, the colors (levels of gray) correspond to the original image. この場合、色(グレーのレベル)は元の画像に対応する。 0.66
英語(論文から抽出)日本語訳スコア
Fig. 20. 2D arrays of CWT coefficients for -6th and +3rd planes. 第20話。 第6面と第3面の2次元CWT係数アレイ。 0.57
Pseudo colors as in Fig 17. 図17のように擬似色。 0.75
The titles of the books in Fig 20 (“Optical System” and “Fluid Dynamics”) can be clearly read in the corresponding planes, while the content of other planes is blurred. 図20の書籍のタイトル("Optical System" と "Fluid Dynamics" )は対応する平面ではっきりと読み取ることができるが、他の平面の中身はぼやけている。 0.74
This shows the selectivity of the proposed wavelet transform by depth. これは、提案したウェーブレット変換の深さによる選択性を示す。 0.61
4.2 Direct and inverse transforms 4.2 直接・逆変換 0.74
The result of the direct transform can be used as the input of the inverse wavelet transform. 直接変換の結果は、逆ウェーブレット変換の入力として利用することができる。 0.76
We use the same wavelet functions in both direct and inverse transforms, although this might not be the most general option. 直交変換と逆変換の両方で同じウェーブレット関数を用いるが、これは最も一般的な選択肢ではないかもしれない。 0.67
The inverse transforms of all planes can be merged (in a simple case like this, it is added) into a single computer-generated MV image. すべての平面の逆変換は(このような単純な場合、追加される)単一のコンピュータ生成MV画像にマージすることができる。 0.81
Thus, we may restore a whole 3D object from the arrays of coefficients by planes. したがって、平面によって係数の配列から3次元オブジェクト全体を復元することができる。 0.74
The restored object is shown in Fig 21. 復元されたオブジェクトは、図21に示される。 0.73
Note that with the scaling function, the positive intensity range [0, 1] seems to be restored correctly. スケーリング関数では、正の強度範囲 [0, 1] が正しく復元されるように思われる。 0.73
Fig. 21. Restored MV image of the tetrahedron. 第21話。 四面体のMV像の復元。 0.46
The restored MV image looks similar to the original, as expected; compare the MV images in Figs. 復元されたMV画像は、予想通り元のMV画像に似ており、FigsのMV画像と比較する。
訳抜け防止モード: 復元されたMV画像は、予想通りオリジナルに似ています。 FigsのMVイメージを比較する。
0.72
15(b) and 21. The computer-generated restored image was displayed in 3D; the result is shown in Fig 22. 15(b)および21。コンピュータで生成した復元画像は3dで表示され、結果は図22に示される。 0.82
英語(論文から抽出)日本語訳スコア
Fig. 22. Stereoscopic photograph of the restored tetrahedron. 第22話。 四面体復元像の立体写真 0.53
Compare the photographed image of the original tetrahedron in Fig 16 and its restored counterpart in Fig 22. 図16の原四面体の撮影画像と、図22の復元画像を比較する。 0.71
The visual observation confirms that the restored 3D object is identical to the original. 視覚観察により、復元された3dオブジェクトがオリジナルと同一であることを確認する。 0.67
For the image of books, the restored image reproduces the structure of the original lightfield correctly as shown in Fig 23 本図では、図23に示すように、復元された画像は元の光源の構造を正しく再現する。 0.68
(a), although we did not take into account an essential vingetting of each cell of the original light-field image. (a) もともとの光場像のセル毎に本質的なビンゲットを考慮に入れなかった。 0.64
Anyway, to mimic the vingetting, the rectangular array of circular holes was applied after the wavelet processing, see Fig 23 いずれにしても、ヴィンゲットを模すために、ウェーブレット処理の後に円形穴の長方形配列を適用すると、図23を参照。
訳抜け防止モード: とにかく ビンゲットをまねるには ウェーブレット処理後, 円孔の長方形配列を適用した。 図23参照。
0.76
(b). Compare the corresponding parts of the images in Figs. (b) Figsのイメージの対応する部分を比較する。 0.53
19 and 23 (b). Fig. 23. 19・23 (b) 背番号23。 0.50
(a) Restored light-field image after inverse wavelet transform. (a)逆ウェーブレット変換後の光場像の復元 0.80
(b) Restored image with the mask. (b)マスク付き復元画像。 0.63
(Magnified as Fig 19.) 4.3 Direct transform, modification, and inverse transform (第19図) 4.3 直接変換、修正及び逆変換 0.65
Furthermore, as we obtained the 3D array of CWT coefficients, we may modify it somehow and it again as the input of the inverse transform. さらに, CWT係数の3次元配列が得られれば, 逆変換の入力として, 何らかの修正を行うことができる。 0.82
In this way, we can construct other 3D objects from the modified coefficients. このようにして、修正係数から他の3次元オブジェクトを構築することができる。 0.68
We made two modifications: 2つの修正を加えました 0.52
a) the reversed depth and b) the dimensions of the parallax (2D parallax → 1D parallax). a)逆の深さと b) パララックスの次元(2Dパララックス → 1Dパララックス) 0.71
In the first modification, the sign of the depth of each 2D CWT array was reversed and the inverse wavelet transform was applied. 最初の修正では、各2次元cwt配列の深さの符号が反転し、逆ウェーブレット変換が適用された。 0.73
The MV image of the tetrahedron with the reversed depth is shown in Fig 24. 逆深さの四面体のmv像を図24に示す。 0.66
Note that such a modification looks good for a wireframe 3D object, but could be improper for a textured object because in that case, it may cause a socalled “pseudoscopic effect”. このような修正はワイヤーフレームの3Dオブジェクトには適しているが、テクスチャ化されたオブジェクトには不適切である可能性がある。
訳抜け防止モード: ワイヤーフレームの3Dオブジェクトには、このような修正が適しています。 テクスチャ化された物体には不適切かもしれません この場合、いわゆる「擬似的効果」を引き起こす可能性がある。
0.69
英語(論文から抽出)日本語訳スコア
Fig. 24. MV image of the tetrahedron with reversed depth. 第24話。 逆深さの四面体のmv像。 0.57
To find differences in the image plane, compare the MV image shown in Fig 24 with Fig 16(b). 画像平面の差を見つけるには、図24に示したmv画像と図16(b)を比較してみよう。 0.77
The stereoscopic photograph of the displayed tetrahedron with the reversed depth is shown in Fig 25 (as in the previous case, the 3D object was displayed using the crossed lenticular plates). 逆深さの表示されたテトラヘドロンの立体写真は図25に示される(前例のように、3Dオブジェクトは横断レンズ板を用いて表示される)。 0.79
In the 3D object with the reversed depth, the visual position of the vertex is behind the base (farther from an observer), as expected. 逆深さの3Dオブジェクトでは、予想通り頂点の視覚的位置がベース(観測者から遠く離れた)の後方にある。 0.76
Compare the photographed image with its original counterpart in Fig 16. 写真とオリジナルの図16の画像を比べてみましょう。 0.76
Fig. 25. Stereoscopic photograph of the tetrahedron with reversed depth. 背番号25。 逆深さ四面体の立体写真 0.57
In the second modification, the dimensions of the parallax were changed, i.e., the 3D CWT array (some planes are shown in Fig 17) was used in the inverse wavelet transform with 1D wavelets instead of 2D wavelets in Fig 21. 第2の修正では、パララックスの寸法が変化し、すなわち、図21の2次元ウェーブレットの代わりに1次元ウェーブレットを用いた逆ウェーブレット変換において、3次元CWTアレイ(図17のいくつかの平面)が使用された。
訳抜け防止モード: 第2の修正では、視差の寸法が変更された。 3d cwtアレイは (図17に示す面もある) fig 21では2次元ウェーブレットの代わりに1次元ウェーブレットを用いた逆ウェーブレット変換に用いられた。
0.81
The resulting MV image with the modified dimensions of the parallax (2D → 1D) is shown in Fig 26. パララックス(2D → 1D)の修正次元で得られたMV像は、図26に示される。 0.80
Fig. 26. MV image of the tetrahedron with the modified dimension of parallax (FP → HPO). 背番号26。 パララックスの修正次元を持つテトラヘドロンのMV像(FP → HPO)。 0.52
英語(論文から抽出)日本語訳スコア
To display this MV image with HPO, we used one lenticular plate. このMV像をHPOで表示するために,1枚のレンチキュラープレートを用いた。 0.70
The stereoscopic photograph of the displayed HPO tetrahedron is shown in Fig 27. 立体視 表示されたHPO四面体の写真は、図27に示される。 0.59
Fig 27. Photograph of the tetrahedron with the modified dimension of parallax (2D → 1D). 背番号27。 パララックスの修正次元(2D → 1D)を持つ四面体の写真。 0.60
It can be clearly seen that that the structure of the object remains the same after the modification of the parallax dimensions. パララックス次元の修正後、対象の構造が同じであることは明らかである。
訳抜け防止モード: それははっきりと見ることができる。 視差次元の修正後も 物体の構造は同じです
0.60
The position of the vertex in front of the base is confirmed. 基地前における頂点の位置を確認する。 0.61
Compare the photograph of the modified object in Fig 27 with its original counterpart in Fig 16. 第27図の修正対象の写真を、第16図のオリジナルのものと比較してください。 0.70
5. Discussion We performed the continuous wavelet transform of MV images with 1D and 2D parallax (displayed using the vertical and orthogonal lenticular plates). 5. 討論 mv画像の連続ウェーブレット変換を1次元と2次元の視差で行った(垂直および直交のレンチキュラープレートを用いて表示)。 0.49
This way, we model a small area of a whole screen of ASD. このようにして、私たちはASDの画面全体の小さな領域をモデル化します。 0.64
Due to the optical similarity of the lens camera and the pinhole camera, the results are also valid for ASD with the barrier plate. レンズカメラとピンホールカメラの光学的類似性から,バリアプレートを用いたASDにも有効である。
訳抜け防止モード: レンズカメラとピンホールカメラの光学的類似性のためである。 また, バリアプレートによるasdにおいても有効である。
0.75
The direct and inverse wavelet transforms using the proposed wavelets (as well as [13], [14]) are not a universal instrument to analyze/synthesize arbitrary images. 提案したウェーブレットを用いた直接および逆ウェーブレット変換([13],[14])は任意の画像を解析・合成するための普遍的な手段ではない。 0.83
We should emphasize that they only work well with the MV images. MVイメージにのみうまく対応できることを強調します。 0.59
Applying these wavelets to other sorts of images might be meaningless as, e g , the fresnelets [6], [7] are only useful with Fresnel holograms. これらのウェーブレットを他の種類の画像に適用することは意味をなさないかもしれない:例えば、フレネル [6], [7] はフレネルホログラムでのみ有用である。 0.66
A couple of examples of the entire cycle (direct and inverse transform) in ASD could be as follows. ASDのサイクル全体(直接変換と逆変換)のいくつかの例は以下の通りである。 0.77
To find if a 3D object approaches another 3D object, we may analyze the depth of the underlying surface in real-time by the wavelet analysis, and when the depth of the surface (the result of analysis) would be close to the depth of the surface of another object, we may, e g , re-synthesize one surface (recolor it, make it blink, etc.), and show the synthesized object in 3D. 3dオブジェクトが別の3dオブジェクトに近づくかどうかを調べるために、ウェーブレット解析により、基礎となる表面の深さをリアルタイムで分析し、表面の深さ(解析結果)が他のオブジェクトの深さに近い場合、例えば、ある表面を再合成する(色を変えて、点滅させるなど)ことができ、3dで合成されたオブジェクトを表示することができる。 0.86
This way, we may draw additional attention of the operator to an approaching object. このように、接近する物体に対してオペレーターのさらなる注意を引き付けることができる。 0.63
In another example, we may prevent one 3D object from “penetrating” into another 3D object [21]. 別の例では、ある3Dオブジェクトが別の3Dオブジェクト[21]に“貫通する”のを防ぐことができる。 0.76
When the first object is behind the second object in the 3D space (by the depth analysis of the wavelet coefficients), we may either hide it (i.e., refrain from drawing) or transform somehow (e g , re-synthesize it with a reduced contrast). 第一の物体が3次元空間の第二の物体(ウェーブレット係数の深さ解析により)の背後にあるとき、我々はそれを隠すか、何らかの形で(例えば、コントラストを小さくして再合成する)変換する。 0.75
Some practical requirements of this technique are as follows. この技法の実際的な要件は以下の通りである。 0.61
The elementary view images of the MV image in the image plane should be rectified; at least because VPs in non-rectified MV images were not observed. 画像平面内のmv画像の初等的視野画像は、少なくとも非再現mv画像のvpは観測されなかったため、補正されるべきである。
訳抜け防止モード: 画像平面におけるMV画像の初等視像は、少なくとも修正されるべきである。 非修正MV画像のVPは観察されなかった。
0.73
The square cell should comprise an integer number of pixels (n2 pixels). 平方セルは整数数の画素(n2ピクセル)からなるべきである。 0.77
MV image should comprise whole cells; at least, the whole cell must lie in the left upper corner. MV画像は細胞全体を構成すべきであり、少なくとも細胞全体が左上隅にある必要がある。 0.87
However, the latter is not a fundamental restriction, just a limitation of the current version of the computer program. しかし、後者は基本的な制限ではなく、現在のコンピュータプログラムの制限にすぎない。 0.67
6. Conclusion We built the multiview wavelets based on the voxel patterns and describe the wavelets in the spatial and spectral domains. 6. 結論 我々は、ボクセルパターンに基づくマルチビューウェーブレットを構築し、空間及びスペクトル領域におけるウェーブレットを記述する。 0.60
The direct and inverse wavelet transforms were demonstrated in binary/gray-scale images with the 1D/2D parallax (horizontal parallax only and full parallax, resp.). 直接ウェーブレット変換と逆ウェーブレット変換は、1d/2dパララックス(水平パララックスのみと完全なパララックス、resp.)の2値/グレースケール画像で証明された。
訳抜け防止モード: 直接および逆ウェーブレット変換は1D/2Dパララックス(水平パララックスのみ)を用いた2値/グレースケール画像で実証された。 フルパララックス, resp )。
0.54
We also provided examples of other modifications in 3D using the proposed multiview 提案したマルチビューを用いた他の3次元修正例も提示した。 0.67
英語(論文から抽出)日本語訳スコア
wavelets: the reversed depth and the changed dimension of the parallax. ウェーブレット:逆深さとパララックスの次元の変化。 0.66
The correctness of the restored image is verified in each case visually. 復元画像の正しさを各ケースで視覚的に検証する。 0.67
The results can be used in the multiview/light-fiel d image processing in general, as well as in the depth analysis and the 3D interaction in particular. この結果は、一般的にはマルチビュー/光場画像処理、特に深度解析と3次元相互作用で利用することができる。 0.77
References 1. B. Lee, S. 参考文献 1. B・リー、S。 0.60
-G. Park, K. Hong, and J. Hong, Design and Implementation of Autostereoscopic Displays (SPIE -G。 Park, K. Hong, J. Hong, Design and implementation of Autostereoscopic Displays (SPIE) 0.45
Press, 2016). 2. E. Lueder, 3D Displays (Wiley, 2012). 2016年)。 2. e. lueder, 3d display (wiley, 2012)。 0.43
3. N.A. Dodgson, Autostereoscopic 3D displays, IEEE Computer 38 (8), 31-36 (2005). 3. N.A. Dodgson, Autostereoscopic 3D Display, IEEE Computer 38 (8), 31-36 (2005)。 0.48
4. 5. J. 4. 5. J。 0.40
-Y. Son, B. Javidi, and V. Saveljev, “Synthesizing 3D images based on voxels,” Proc. -y。 息子のb. javidiとv. saveljevは、“voxelsに基づいて3dイメージを合成する”。 0.50
SPIE 5202, 1-11 (2003). SPIE 5202, 1-11 (2003)。 0.44
J. -Y. Son, V. Saveljev, S. J。 -y。 息子よ、v. セーヴェルエフ、s. 0.46
-K. Kim, and B. Javidi, “Pixel patterns for voxels in contact-type 3D imaging systems,“ Jpn. -K。 Kim, and B. Javidi, “コンタクト型3Dイメージングシステムにおけるボクセルの画像パターンJpn”。 0.61
J. Appl. Phys. j・アペル Phys 0.36
45(2A), 798-803 (2006). 45(2A), 798-803 (2006)。 0.95
6. M. Liebling, T. Blu, and M. “Unser, Fresnelets - a new wavelet basis for digital holography,” Proc. 6. m. liebling, t. blu, and m. “unser, fresnelets – a new wavelet basis for digital holography” と題された。 0.61
SPIE 4478, 347-352 (2001). 4478年。 347-352 (2001). 0.50
7. M. Liebling, T. Blu, and M. Unser, “Fresnelets: a new wavelet basis for digital holography,” IEEE T. Image 7. M. Liebling, T. Blu, M. Unser, “Fresnelets: a new wavelet basis for digital holography”, IEEE T. Image 0.44
8. Process. 12(1), 29-43 (2003). 8. プロセス。 12(1), 29-43 (2003). 0.56
J.L. Rubio-Guivernau, V. Gurchenkov, M.A. Luengo-Oroz, L. Duloquin, P. Bourgine, A. Santos, N. Peyrieras, and M.J. Ledesma-Carbayo, “Wavelet-based image fusion in multi-view three-dimensional microscopy,” Bioinformatics 28(2), 238-245 (2012). J.L. Rubio-Guivernau, V. Gurchenkov, M.A. Luengo-Oroz, L. Duloquin, P. Bourgine, A. Santos, N. Peyrieras, M.J. Ledesma-Carbayo, “Wavelet-based image fusion in multi-view three-dimensional microscopy”, Bioinformatics 28(2), 238-245 (2012)。 0.39
9. A. Aryanfar, R. Yaakob, A.A. Halin, M.N. Sulaiman, K.A. Kasmiran, and L. Mohammadpour, “Multi-view 9. A. Aryanfar, R. Yaakob, A.A. Halin, M.N. Sulaiman, K.A. Kasmiran, L. Mohammadpour, “Multi-view” 0.40
human action recognition using wavelet data reduction and multi-class classification,” Procedia Comp. ウェーブレットデータリダクションとマルチクラス分類を用いた人間の行動認識。 0.52
Sci. 62, 585-592 (2015). Sci 62, 585-592 (2015). 0.36
10. W. Yang, F. Wu, Y. Lu, J. Cai, K.N. Ngan, and S. Li, “Scalable multiview video coding using wavelet,” Proc. 10. W. Yang、F. Wu、Y. Lu、J. Cai、K.N. Ngan、S. Liは“Waveletを使ったスケーラブルなマルチビュービデオコーディング”だ。 0.61
IEEE Int. Symp. IEEE Int。 シンプ。 0.46
Circ. S., 6078-6081 (2005). 概ね。 s., 6078-6081 (2005)。 0.36
11. A. Gelman, P.L. Dragotti, and V. Velisavljevic, “Multiview image coding using depth layers and an optimized 11. a. gelman, p.l. dragotti, v. velisavljevic, “深度層を用いたマルチビュー画像符号化と最適化 0.60
bit allocation,” IEEE T. Image Process 21 (9), 4092-4105 (2012). IEEE T. Image Process 21 (9), 4092-4105 (2012)。 0.32
12. V. Saveljev, “Wavelets and continuous wavelet transform for autostereoscopic multiview images,” J. Electr. 12. v. saveljev, “自己立体的マルチビュー画像のためのウェーブレットと連続ウェーブレット変換”。 0.57
Eng. 4(1), 19-23 (2016). Eng! 4(1), 19-23 (2016). 0.42
13. V. Saveljev and I. Palchikova, “Analysis of autostereoscopic three-dimensional images using multiview 13. V. Saveljev と I. Palchikova 「マルチビューを用いた立体立体画像の解析」 0.59
wavelets,” Appl. Optics 55(23), 6275-6284 (2016). とapplは言う。 Optics 55(23), 6275-6284 (2016)。 0.45
14. V. Saveljev and I. Palchikova, “Analytical model of multiview autostereoscopic 3D display with a barrier or a 14. V. SaveljevとI. Palchikovaは「障壁のある多視点立体視3Dディスプレイの分析モデル」と語る。 0.56
lenticular plate,” J. Inf. とj.inf.は言った。 0.40
Disp. 19( 2), 99-110 (2018). ディスク。 19( 2), 99-110 (2018). 0.39
15. P. Bendjoya and É . 15. P.ベンジョヤとエ。 0.56
Slezak, “Wavelet analysis and applications to some dynamic systems,” Celest. Slezak, “Wavelet analysis and application to some dynamic systems”, Celest. 0.39
Mech. Dyn. Astr. メッチ ダイン。 アストロ 0.36
56, 231-262 (1993). 56, 231-262 (1993). 0.47
16. Y. Kurokawa, Y. Mizutani, and M. Mayuzumi, “Frequency filtering algorithms of plate wave AE for source 16. Y. 黒川,Y.水谷,M.真泉「プレート波AEの周波数フィルタリングアルゴリズム」 0.59
location,” J. Acoust. とJ.Acoust氏は語る。 0.50
Emiss. 24, 145-152 (2006). エミス 24, 145-152 (2006). 0.40
. 17. T. Georgiev, Gallery and Lightfield Data, http://www.tgeorgiev .net/ (2017). . 17. T. Georgiev, Gallery and Lightfield Data, http://www.tgeorgiev .net/ (2017)。 0.41
18. A. Parkin, Digital Imaging Primer (Springer 2016) , p. 218. 18. A. Parkin, Digital Imaging Primer (Springer 2016) ^ p. 218。 0.45
19. Wikipedia, Stereoscopy: Freeviewing, https://en.wikipedia .org/wiki/Stereoscop y (2021). Wikipedia, Stereoscopy: Freeviewing, https://en.wikipedia .org/wiki/Stereoscop y (2021年) 0.35
20. Triaxes, 3D theory: Parallel/Cross-eyed viewing method, https://triaxes.com/ docs/3DTheory- 20. トライアックス, 3D理論:パラレル/クロスアイドビュー法, https://triaxes.com/ docs/3DTheory- 0.55
en/522ParallelCrosse yedviewingmetho.html (2021). 522ParallelCrosseyed viewingmetho.html (2021)。 0.46
21. F. Steinicke, G. Bruder, K. Hinrichs, and T. Ropinski, “3D User interfaces for collaborative work,” Ch. 21. f. steinicke, g. bruder, k. hinrichs, t. ropinski, “コラボレーションのための3dユーザインタフェイス” だ。 0.58
17 in Human Computer Interaction, I. Pavlidis, Ed. 17院 Human Computer Interaction, I. Pavlidis, Ed (英語) 0.67
(IntechOpen, 2008). (intechopen, 2008)。 0.73
                                       ページの最初に戻る

翻訳にはFugu-Machine Translatorを利用しています。