論文の概要: Closed-loop Feedback Registration for Consecutive Images of Moving Flexible Targets

• arxiv url: http://arxiv.org/abs/2110.10772v1
• Date: Wed, 20 Oct 2021 20:31:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-22 17:15:43.117086
• Title: Closed-loop Feedback Registration for Consecutive Images of Moving Flexible Targets
• Title（参考訳）: 移動フレキシブルターゲットの連続画像に対する閉ループフィードバック登録
• Authors: Rui Ma, Xian Du
• Abstract要約: そこで本研究では,変形可能な印刷パターンの整合と縫合を行うクローズドループフィードバック登録アルゴリズムを提案する。 以上の結果から,本アルゴリズムは,他の最先端アルゴリズムと比較して,ルート平均二乗誤差(RMSE)が低い点対を求めることができることがわかった。
• 参考スコア（独自算出の注目度）: 4.61174541905193
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advancement of imaging techniques enables consecutive image sequences to be acquired for quality monitoring of manufacturing production lines. Registration for these image sequences is essential for in-line pattern inspection and metrology, e.g., in the printing process of flexible electronics. However, conventional image registration algorithms cannot produce accurate results when the images contain many similar and deformable patterns in the manufacturing process. Such a failure originates from a fact that the conventional algorithms only use the spatial and pixel intensity information for registration. Considering the nature of temporal continuity and consecution of the product images, in this paper, we propose a closed-loop feedback registration algorithm for matching and stitching the deformable printed patterns on a moving flexible substrate. The algorithm leverages the temporal and spatial relationships of the consecutive images and the continuity of the image sequence for fast, accurate, and robust point matching. Our experimental results show that our algorithm can find more matching point pairs with a lower root mean squared error (RMSE) compared to other state-of-the-art algorithms while offering significant improvements to running time.
• Abstract（参考訳）: 撮像技術の進歩により、製造ラインの品質監視のために連続した画像シーケンスを取得することができる。 これらの画像シーケンスの登録は、例えばフレキシブルエレクトロニクスの印刷プロセスにおいて、インラインパターン検査やメートル法に不可欠である。 しかし, 従来の画像登録アルゴリズムでは, 製造工程に類似した, 変形可能なパターンが多数含まれている場合, 正確な結果が得られない。 このような失敗は、従来のアルゴリズムが登録に空間強度情報と画素強度情報のみを使用するという事実に由来する。 本稿では,製品画像の時間的連続性と連続性を考慮して,変形可能な印刷パターンを移動可能なフレキシブル基板上に照合・縫い合わせるクローズドループフィードバック登録アルゴリズムを提案する。 このアルゴリズムは、連続した画像の時間的・空間的関係と画像列の連続性を利用して、高速で正確でロバストな点マッチングを行う。 実験結果から,本アルゴリズムは他の最先端アルゴリズムと比較して,より低い根平均二乗誤差 (rmse) を持つマッチング点対を求めることができ,実行時間を大幅に改善できることを示した。

関連論文リスト

• Fast constrained sampling in pre-trained diffusion models [77.21486516041391]
  拡散モデルは、大規模な生成画像モデルの分野を支配してきた。 本研究では,大規模な事前学習拡散モデルにおける高速拘束サンプリングのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-24T14:52:38Z)
• TLRN: Temporal Latent Residual Networks For Large Deformation Image Registration [4.272666443603612]
  本稿では,時系列画像登録における変形フィールドの列を予測するため,TLRN(en Temporal Latent Residual Network)と呼ばれる新しい手法を提案する。 提案手法は, 時間的初期速度場によってパラメータ化される遅延変形空間において, 残留ブロックを慎重に設計した時間的残差ネットワークである。
  論文  参考訳（メタデータ） (2024-07-15T20:07:45Z)
• PtychoDV: Vision Transformer-Based Deep Unrolling Network for Ptychographic Image Reconstruction [12.780951605821238]
  PtychoDVは、効率的で高品質な画像再構成のために設計された、新しいディープモデルベースのネットワークである。 シミュレーションデータの結果,PtychoDVは既存のディープラーニング手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-10-11T14:01:36Z)
• Breaking Modality Disparity: Harmonized Representation for Infrared and Visible Image Registration [66.33746403815283]
  シーン適応型赤外線と可視画像の登録を提案する。 我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。 我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
  論文  参考訳（メタデータ） (2023-04-12T06:49:56Z)
• Joint segmentation and discontinuity-preserving deformable registration: Application to cardiac cine-MR images [74.99415008543276]
  多くの深層学習に基づく登録法は、変形場は画像領域の至る所で滑らかで連続的であると仮定する。 本研究では,この課題に対処するために,不連続かつ局所的に滑らかな変形場を確保するための新しい不連続保存画像登録手法を提案する。 入力画像の構造的相関を学習するために,ネットワークのセグメンテーション成分にコアテンションブロックを提案する。 大規模心磁気共鳴画像系列を用いた物体内時間画像登録の課題について検討した。
  論文  参考訳（メタデータ） (2022-11-24T23:45:01Z)
• Non-iterative Coarse-to-fine Registration based on Single-pass Deep Cumulative Learning [11.795108660250843]
  変形可能な画像登録のための非Iterative Coarse-to-finE登録ネットワーク(NICE-Net)を提案する。 NICE-Netは、非イテレーティブメソッドと同じようなランタイムしか必要とせず、最先端の反復的な深層登録手法より優れている。
  論文  参考訳（メタデータ） (2022-06-25T08:34:59Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• 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)
• 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)
• Non-iterative Simultaneous Rigid Registration Method for Serial Sections of Biological Tissue [11.471087682509005]
  直列断面画像の最適剛性変換を同時に推定する新しい非定性アルゴリズムを提案する。 提案手法は非定性であり,多数の直列断面画像に対する剛性変換を同時に計算することができる。
  論文  参考訳（メタデータ） (2020-05-11T03:44:10Z)
• u-net CNN based fourier ptychography [5.46367622374939]
  本稿では,畳み込みニューラルネットワークに基づく新しい検索アルゴリズムを提案する。 実験により, システム収差下において, 再現性が向上し, より堅牢であることが確認された。
  論文  参考訳（メタデータ） (2020-03-16T22:48:44Z)

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。