論文の概要: A Machine Vision Method for Correction of Eccentric Error: Based on Adaptive Enhancement Algorithm

• arxiv url: http://arxiv.org/abs/2309.00514v1
• Date: Fri, 1 Sep 2023 15:06:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-04 13:11:12.453818
• Title: A Machine Vision Method for Correction of Eccentric Error: Based on Adaptive Enhancement Algorithm
• Title（参考訳）: 偏心誤差補正のための機械ビジョン法:適応拡張アルゴリズムに基づく
• Authors: Fanyi Wang, Pin Cao, Yihui Zhang, Haotian Hu, Yongying Yang
• Abstract要約: アダプティブ・エンハンスメント・アルゴリズム(AEA)は、クロスヘア画像を強化するために提案される。 AEAは、既存のガイドフィルタダークチャネルデハージングアルゴリズム(GFA)と、軽量マルチスケールDensely Connected Network(MDC-Net)で構成されている。
• 参考スコア（独自算出の注目度）: 2.3436632098950456
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the procedure of surface defects detection for large-aperture aspherical optical elements, it is of vital significance to adjust the optical axis of the element to be coaxial with the mechanical spin axis accurately. Therefore, a machine vision method for eccentric error correction is proposed in this paper. Focusing on the severe defocus blur of reference crosshair image caused by the imaging characteristic of the aspherical optical element, which may lead to the failure of correction, an Adaptive Enhancement Algorithm (AEA) is proposed to strengthen the crosshair image. AEA is consisted of existed Guided Filter Dark Channel Dehazing Algorithm (GFA) and proposed lightweight Multi-scale Densely Connected Network (MDC-Net). The enhancement effect of GFA is excellent but time-consuming, and the enhancement effect of MDC-Net is slightly inferior but strongly real-time. As AEA will be executed dozens of times during each correction procedure, its real-time performance is very important. Therefore, by setting the empirical threshold of definition evaluation function SMD2, GFA and MDC-Net are respectively applied to highly and slightly blurred crosshair images so as to ensure the enhancement effect while saving as much time as possible. AEA has certain robustness in time-consuming performance, which takes an average time of 0.2721s and 0.0963s to execute GFA and MDC-Net separately on ten 200pixels 200pixels Region of Interest (ROI) images with different degrees of blur. And the eccentricity error can be reduced to within 10um by our method.
• Abstract（参考訳）: 大開口非球面光学素子の表面欠陥検出の手順では、機械的スピン軸と共軸となる素子の光学軸を正確に調整することが極めて重要である。 そこで本論文では,偏心誤差補正のための機械視法を提案する。 非球面光学素子の撮像特性が補正の失敗に繋がる可能性のある基準クロスヘア画像の重度のデフォーカスぼけに着目し,アダプティブエンハンスメントアルゴリズム(aea)を提案する。 aeaはgfa(advanced guided filter dark channel dehazing algorithm)とmdc-net(lightweight multi-scale densely connected network)から構成される。 GFAの増強効果は優れているが時間がかかり、MDC-Netの増強効果はわずかに劣るが、強いリアルタイムである。 AEAは修正手順ごとに数十回実行されるので、リアルタイムのパフォーマンスは非常に重要です。 したがって、定義評価関数smd2、gfa、mdc-netの実証的な閾値を高度かつわずかにぼやけたクロスヘア画像に適用することにより、できるだけの時間を節約しつつ、拡張効果を確保することができる。 AEAは時間消費性能において一定の堅牢性を持ち、GFAとMDC-Netを別々に実行するのに平均時間は0.2721sと0.0963sである。 また,本手法では偏心誤差を10um以内に低減できる。

関連論文リスト

• ACE-Net: AutofoCus-Enhanced Convolutional Network for Field Imperfection Estimation with application to high b-value spiral Diffusion MRI [2.913594619942038]
  B0-不均一性や拡散符号化誘起渦電流からの時空間磁場の変動は、スパイラル、EPI、3Dコーンのような高速な画像符号化スキームに有害である。 本研究では,これらのフィールド不完全性を自動的に推定するためのデータ駆動手法を,オートフォーカスメトリクスとディープラーニングを組み合わせることによって開発する。 B0, eddyの正確な推定値が得られる高b値での単発スパイラル拡散MRIに適用し, 外部校正を必要とせずに高画質の画像再構成を行った。
  論文  参考訳（メタデータ） (2024-11-21T23:20:14Z)
• Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
  低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。 RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。 また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
  論文  参考訳（メタデータ） (2024-09-11T06:12:03Z)
• Toward Efficient Visual Gyroscopes: Spherical Moments, Harmonics Filtering, and Masking Techniques for Spherical Camera Applications [83.8743080143778]
  視覚ジャイロスコープは、画像を通してカメラの回転を推定する。 従来のRGBカメラに比べて視野が広い全方位カメラの統合は、より正確で堅牢な結果をもたらすことが証明されている。 本稿では,効率的なマルチマスク・フィルタ回転エステータと学習に基づく最適化を組み合わせた,新しい視覚ジャイロスコープを導入することで,これらの課題に対処する。
  論文  参考訳（メタデータ） (2024-04-02T13:19:06Z)
• A Beam-Segmenting Polar Format Algorithm Based on Double PCS for Video SAR Persistent Imaging [27.6812116360734]
  ビデオアパーチャレーダ(SAR)は、高解像度、高フレームレート、連続観測の利点により近年注目されている。 スポットライトモードビデオSARのための極フォーマットアルゴリズム(PFA)のプロセスにおいて、波面曲率誤差(WCE)は画像サイズを制限し、2次元画像は効率に影響を与える。 上記の課題を解決するため,BS-PCS-PFAと呼ばれるチャープスケーリング(PCS)の原理に基づくビーム分割型PFAがビデオSARイメージングのために提案されている。 提案手法は, PFAの有効サイズを大幅に拡大し, 運転効率を向上する。
  論文  参考訳（メタデータ） (2023-12-19T14:39:49Z)
• Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
  本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。 このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。 本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
  論文  参考訳（メタデータ） (2023-08-10T07:53:06Z)
• End-to-end Learning for Joint Depth and Image Reconstruction from Diffracted Rotation [10.896567381206715]
  回折回転から深度を学習する新しいエンド・ツー・エンド学習手法を提案する。 提案手法は, 単分子深度推定のタスクにおいて既存の手法よりもはるかに少ない複雑なモデルと少ないトレーニングデータを必要とする。
  論文  参考訳（メタデータ） (2022-04-14T16:14:37Z)
• Illumination-Invariant Active Camera Relocalization for Fine-Grained Change Detection in the Wild [12.104718944788141]
  本稿では,照度不変の能動カメラ再位置推定法について検討し,相対的なポーズ推定とスケール推定の両方を改善する。 画像ワープ誤差を最小限に抑え,各ACRの絶対スケールを求める線形システムを構築した。 我々の研究は、実世界の文化的遺産のきめ細かい変化監視タスクの実現可能性を大幅に拡大します。
  論文  参考訳（メタデータ） (2022-04-13T18:00:55Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)
• Asymmetric CNN for image super-resolution [102.96131810686231]
  深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。 画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。 我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
  論文  参考訳（メタデータ） (2021-03-25T07:10:46Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)

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。