論文の概要: Compressive Shack-Hartmann Wavefront Sensor based on Deep Neural
Networks
- arxiv url: http://arxiv.org/abs/2011.10241v2
- Date: Thu, 31 Dec 2020 09:04:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 06:41:26.835312
- Title: Compressive Shack-Hartmann Wavefront Sensor based on Deep Neural
Networks
- Title（参考訳）: 深層ニューラルネットワークを用いた圧縮シャック・ハートマン波面センサ
- Authors: Peng Jia, Mingyang Ma, Dongmei Cai, Weihua Wang, Juanjuan Li, Can Li
- Abstract要約: シャック・ハートマン波面センサは、適応光学系における大気乱流による収差を測定するために広く用いられている。
本稿では,圧縮シャック・ハートマン波面検出法を提案する。
本手法は,高信号対雑音比のスポット画像を有するサブアパーチャの傾斜測定を用いて,波面を再構成する。
- 参考スコア（独自算出の注目度）: 6.349814434538407
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Shack-Hartmann wavefront sensor is widely used to measure aberrations
induced by atmospheric turbulence in adaptive optics systems. However if there
exists strong atmospheric turbulence or the brightness of guide stars is low,
the accuracy of wavefront measurements will be affected. In this paper, we
propose a compressive Shack-Hartmann wavefront sensing method. Instead of
reconstructing wavefronts with slope measurements of all sub-apertures, our
method reconstructs wavefronts with slope measurements of sub-apertures which
have spot images with high signal to noise ratio. Besides, we further propose
to use a deep neural network to accelerate wavefront reconstruction speed.
During the training stage of the deep neural network, we propose to add a
drop-out layer to simulate the compressive sensing process, which could
increase development speed of our method. After training, the compressive
Shack-Hartmann wavefront sensing method can reconstruct wavefronts in high
spatial resolution with slope measurements from only a small amount of
sub-apertures. We integrate the straightforward compressive Shack-Hartmann
wavefront sensing method with image deconvolution algorithm to develop a
high-order image restoration method. We use images restored by the high-order
image restoration method to test the performance of our the compressive
Shack-Hartmann wavefront sensing method. The results show that our method can
improve the accuracy of wavefront measurements and is suitable for real-time
applications.
- Abstract（参考訳）: シャック・ハートマン波面センサは、適応光学系における大気乱流による収差を測定するために広く用いられている。
しかし、強い大気乱流やガイド星の明るさが低い場合、波面測定の精度が影響を受ける。
本稿では,圧縮性シャック・ハートマン波面センシング法を提案する。
本手法は,すべてのサブアパーチャの傾斜測定による波面再構成の代わりに,高信号対雑音比のスポット画像を有するサブアパーチャの傾斜測定による波面再構成を行う。
さらに,より深いニューラルネットワークを用いて波面復元速度を高速化する提案を行う。
深層ニューラルネットワークのトレーニング段階では,圧縮センシング過程をシミュレートするドロップアウト層が提案され,本手法の開発速度が向上する可能性が示唆された。
訓練後, 圧縮シャック・ハートマン波面検出法は, 少数のサブ開口部のみからの傾斜測定により, 高空間分解能で波面を再構成することができる。
圧縮性シャック・ハートマン波面センシング法を画像デコンボリューションアルゴリズムと統合し,高次画像復元法を開発した。
高次画像復元法で復元された画像を用いて, 圧縮性シャック・ハートマン波面センシング法の性能を検証した。
その結果,本手法は波面測定の精度を向上でき,リアルタイム応用に適していることがわかった。
関連論文リスト
- A Noncontact Technique for Wave Measurement Based on Thermal Stereography and Deep Learning [4.193522044994739]
室内の水面の光学的性質は、画像とステレオ再構成の課題を提起する。
長波長赤外スペクトルの水の光学イメージング特性はステレオマッチングに適していることが判明した。
ステレオマッチング性能を向上させるため,ディープラーニング技術を用いた再構成手法を提案する。
論文 参考訳（メタデータ） (2024-08-20T09:13:12Z) - WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
深部画像登録は異常な精度と高速な推測を示した。
近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。
本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
論文 参考訳（メタデータ） (2024-07-18T11:51:01Z) - DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳（メタデータ） (2023-12-12T06:07:21Z) - Machine learning for phase-resolved reconstruction of nonlinear ocean
wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。
提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文 参考訳（メタデータ） (2023-05-18T12:30:26Z) - Hyperspectral Compressive Wavefront Sensing [0.0]
本稿では,超レーザパルスのシャーリングスペクトル位相を単一ショットで捉えるために,圧縮干渉法と横干渉法を組み合わせた新しい手法を提案する。
パラメータ効率と他の手法と比較して高速であるため、スナップショット画像再構成にディープ・アンローリングアルゴリズムを用いる。
この結果は、定量的位相イメージングを含むレーザー波面のキャラクタリゼーションの文脈を超えている可能性がある。
論文 参考訳（メタデータ） (2023-03-06T23:50:24Z) - Neural Architectural Nonlinear Pre-Processing for mmWave Radar-based
Human Gesture Perception [10.826849062116748]
本稿では,U-NetとEfficientNetという2つのディープラーニングモデルを用いて手の動きを検出し,ミリ波レーダ画像のノイズを除去する。
第1深層学習モデルステージに入る前に、画像の復号化を行うための新しい前処理手法により、分類の精度が向上する。
論文 参考訳（メタデータ） (2022-11-07T12:42:13Z) - On Measuring and Controlling the Spectral Bias of the Deep Image Prior [63.88575598930554]
深層画像は、未学習のネットワークが逆画像問題に対処できることを実証している。
ピークに達するとパフォーマンスが低下するので、いつ最適化を止めるかを決めるにはオラクルが必要です。
これらの問題に対処するために、スペクトルバイアスの観点から先行した深部画像について検討する。
論文 参考訳（メタデータ） (2021-07-02T15:10:42Z) - Single Image Depth Estimation using Wavelet Decomposition [37.486778463181]
単眼画像から精度の高い深度を高効率で予測する新しい手法を提案する。
この最適効率はウェーブレット分解を利用して達成される。
我々はスパースウェーブレット係数を予測して高忠実度深度マップを再構築できることを実証した。
論文 参考訳（メタデータ） (2021-06-03T17:42:25Z) - 3D Human Pose and Shape Regression with Pyramidal Mesh Alignment
Feedback Loop [128.07841893637337]
回帰に基づく手法は最近、単眼画像からヒトのメッシュを再構成する有望な結果を示した。
パラメータの小さな偏差は、推定メッシュと画像のエビデンスの間に顕著な不一致を引き起こす可能性がある。
本稿では,特徴ピラミッドを活用し,予測パラメータを補正するために,ピラミッドメッシュアライメントフィードバック(pymaf)ループを提案する。
論文 参考訳（メタデータ） (2021-03-30T17:07:49Z) - Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文 参考訳（メタデータ） (2021-03-01T19:19:38Z) - Deep Denoising Neural Network Assisted Compressive Channel Estimation
for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。
我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。
完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文 参考訳（メタデータ） (2020-06-03T12:18:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。