論文の概要: Sparse Reconstruction for Radar Imaging based on Quantum Algorithms

• arxiv url: http://arxiv.org/abs/2101.10125v1
• Date: Thu, 21 Jan 2021 07:03:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 08:20:42.492443
• Title: Sparse Reconstruction for Radar Imaging based on Quantum Algorithms
• Title（参考訳）: 量子アルゴリズムに基づくレーダイメージングのためのスパース再構成
• Authors: Xiaowen Liu, Chen Dong, Ying Luo, Le Kang, Yong Liu, Qun Zhang
• Abstract要約: 本稿では,レーダスパースイメージングにおける画像復元に量子アルゴリズムを適用するのはこれが初めてである。 対応する量子回路とそのパラメータは、非常に低い計算複雑性を保証するように設計されている。 提案手法の有効性を検証するため, 生レーダデータを用いたシミュレーション実験を行った。
• 参考スコア（独自算出の注目度）: 17.240702633984583
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The sparse-driven radar imaging can obtain the high-resolution images about target scene with the down-sampled data. However, the huge computational complexity of the classical sparse recovery method for the particular situation seriously affects the practicality of the sparse imaging technology. In this paper, this is the first time the quantum algorithms are applied to the image recovery for the radar sparse imaging. Firstly, the radar sparse imaging problem is analyzed and the calculation problem to be solved by quantum algorithms is determined. Then, the corresponding quantum circuit and its parameters are designed to ensure extremely low computational complexity, and the quantum-enhanced reconstruction algorithm for sparse imaging is proposed. Finally, the computational complexity of the proposed method is analyzed, and the simulation experiments with the raw radar data are illustrated to verify the validity of the proposed method.
• Abstract（参考訳）: スパース駆動レーダイメージングは、ダウンサンプリングデータを用いてターゲットシーンの高解像度画像を得ることができる。 しかしながら、特定の状況に対する古典的スパース回復法の膨大な計算複雑性は、スパースイメージング技術の実用性に深刻な影響を及ぼす。 本稿では,レーダスパースイメージングのための画像復元に量子アルゴリズムを適用するのは,これが初めてである。 まず、レーダスパース撮像問題を解析し、量子アルゴリズムで解く計算問題を判定する。 次に、対応する量子回路とそのパラメータを極端に低い計算複雑性を保証するように設計し、スパースイメージングのための量子エンハンス再構成アルゴリズムを提案する。 最後に,提案手法の計算複雑性を分析し,本手法の有効性を検証するために生レーダデータを用いたシミュレーション実験を行った。

関連論文リスト

• Bagged Deep Image Prior for Recovering Images in the Presence of Speckle Noise [22.436469596741002]
  複数の測定セットから複素数値信号を復元する確率に基づく手法の理論的側面とアルゴリズム的側面の両方について検討する。 我々の理論的貢献は、深部画像先行仮説の下で最大極大推定器の平均正方形誤差(MSE)に、初めて存在する理論上界を確立することである。 アルゴリズムの面では、bagged Deep Image Priors (Bagged-DIP)の概念を導入し、それらを投影された勾配勾配と統合する。
  論文  参考訳（メタデータ） (2024-02-23T22:36:07Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• A Fast Alternating Minimization Algorithm for Coded Aperture Snapshot Spectral Imaging Based on Sparsity and Deep Image Priors [8.890754092562918]
  Coded Aperture snapshot Spectrum Imaging (CASSI)は、3次元ハイパースペクトル画像(HSI)を再構成する技術である。 本稿では,自然画像の空間と深部画像の先行値(Fama-P)に基づいて,高速な変動最小化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-12T03:29:14Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• 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)
• A Quantum Edge Detection Algorithm [2.639737913330821]
  エンタングルメントや重畳といった量子特性を利用して、多くの画像処理アルゴリズムが指数的なスピードアップを実現できることを示す。 本稿では,量子エッジ検出アルゴリズムの改良版を提案する。
  論文  参考訳（メタデータ） (2020-12-20T22:10:05Z)
• Uncalibrated Neural Inverse Rendering for Photometric Stereo of General Surfaces [103.08512487830669]
  本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。 既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。 本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
  論文  参考訳（メタデータ） (2020-12-12T10:33:08Z)
• Learned Block Iterative Shrinkage Thresholding Algorithm for Photothermal Super Resolution Imaging [52.42007686600479]
  深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。 本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
  論文  参考訳（メタデータ） (2020-12-07T09:27:16Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)
• Class-Specific Blind Deconvolutional Phase Retrieval Under a Generative Prior [8.712404218757733]
  この問題はフーリエ・プチコグラフィー、X線結晶学、可視光通信など様々な画像モダリティで発生する。 本稿では,事前訓練された2つの深層生成ネットワークの下での交互勾配降下アルゴリズムを用いて,この逆問題の解法を提案する。 提案アルゴリズムは,前向き測定モデルを説明する各前駆体の範囲内で,シャープな画像とぼやけたカーネルを見つけ出そうとする。
  論文  参考訳（メタデータ） (2020-02-28T07:36:28Z)

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。