論文の概要: Image enhancement algorithm for absorption imaging

• arxiv url: http://arxiv.org/abs/2403.04240v1
• Date: Thu, 7 Mar 2024 05:55:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-08 15:05:15.725005
• Title: Image enhancement algorithm for absorption imaging
• Title（参考訳）: 吸収イメージングのための画像強調アルゴリズム
• Authors: Pengcheng Zheng, Songqian Zhang, Zhu Ma, Haipo Niu, Jiatao Wu, Zerui Huang, Chengyin Han, Bo Lu, Peiliang Liu and Chaohong Lee
• Abstract要約: 低温原子の吸収イメージングにおけるノイズは、超低温原子を用いた様々な応用における測定精度に大きな影響を及ぼす。 本稿では, 低温原子吸光イメージングのための新しい画像強調アルゴリズムを提案する。 このアルゴリズムは背景雑音の抑制に成功し、画像コントラストを大幅に向上させる。
• 参考スコア（独自算出の注目度）: 2.877159845954964
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The noise in absorption imaging of cold atoms significantly impacts measurement accuracy across a range of applications with ultracold atoms. It is crucial to adopt an approach that offers effective denoising capabilities without compromising the unique structure of the atoms. Here we introduce a novel image enhancement algorithm for cold atomic absorption imaging. The algorithm successfully suppresses background noise, enhancing image contrast significantly. Experimental results showcase that this approach can enhance the accuracy of cold atom particle number measurements by approximately tenfold, all while preserving essential information. Moreover, the method exhibits exceptional performance and robustness when confronted with fringe noise and multi-component imaging scenarios, offering high stability. Importantly, the optimization process is entirely automated, eliminating the need for manual parameter selection. The method is both compatible and practical, making it applicable across various absorption imaging fields.
• Abstract（参考訳）: 低温原子の吸収イメージングにおけるノイズは、超低温原子を用いた様々な応用における測定精度に大きな影響を及ぼす。 原子のユニークな構造を損なうことなく効果的な分極能力を提供するアプローチを採用することが重要である。 本稿では,冷原子吸光イメージングのための新しい画像強調アルゴリズムを提案する。 このアルゴリズムは背景雑音の抑制に成功し、画像コントラストを著しく向上させる。 実験の結果, 本手法は必須情報を保存しつつ, 冷媒粒子数測定の精度を約10倍に向上できることがわかった。 さらに,フェクトノイズや多成分イメージングのシナリオに直面する場合,優れた性能とロバスト性を示し,高い安定性を実現する。 重要なことは、最適化プロセスは完全に自動化され、手動パラメータの選択が不要になる。 この方法は互換性があり実用的であり、様々な吸収イメージング分野に適用できる。

関連論文リスト

• FreeEnhance: Tuning-Free Image Enhancement via Content-Consistent Noising-and-Denoising Process [120.91393949012014]
  FreeEnhanceは、既製の画像拡散モデルを用いたコンテンツ一貫性のある画像強調のためのフレームワークである。 ノイズ発生段階では、FreeEnhanceは、元の画像の高頻度パターンを保存するために、より周波数の高い領域により軽いノイズを加えるように考案されている。 この段階では3つの目標特性を予測された雑音の規則化の制約として提示し,高精度で視覚的品質の高い画像の強調を行う。
  論文  参考訳（メタデータ） (2024-09-11T17:58:50Z)
• ReNoise: Real Image Inversion Through Iterative Noising [62.96073631599749]
  本研究では,操作数を増やすことなく,高い品質と操作率の逆転法を導入し,再現精度を向上する。 我々は,近年の高速化拡散モデルを含む様々なサンプリングアルゴリズムとモデルを用いて,Renoise手法の性能を評価する。
  論文  参考訳（メタデータ） (2024-03-21T17:52:08Z)
• Denoising OCT Images Using Steered Mixture of Experts with Multi-Model Inference [0.4452997112759916]
  マルチモデル推論とオートエンコーダ(BM-SMoE-AE)を用いたブロックマッチングステアリング 本研究では,マルチモデル推論とオートエンコーダ(BM-SMoE-AE)を用いた新しいデノナイズアルゴリズム,Block-Matching Steered-Mixture of Expertsを紹介する。
  論文  参考訳（メタデータ） (2024-02-20T06:00:42Z)
• Erasing Undesirable Influence in Diffusion Models [51.225365010401006]
  拡散モデルは高品質な画像を生成するのに非常に効果的であるが、NSFW(職場では安全ではない)コンテンツの意図しない生成のようなリスクを引き起こす。 本研究では,データに関連付けられた不要な情報を取り除き,保存データに対する拡散モデルの実用性を維持するために設計されたアルゴリズムであるEraseDiffを紹介する。
  論文  参考訳（メタデータ） (2024-01-11T09:30:36Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• De-Noising of Photoacoustic Microscopy Images by Deep Learning [0.9786690381850356]
  光音響顕微鏡(PAM)画像は、レーザー強度の最大許容露光、組織内の超音波の減衰、トランスデューサ固有のノイズによってノイズに悩まされる。 そこで本研究では,PAM画像から複雑なノイズを取り除くための深層学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2022-01-12T05:13:57Z)
• A Novel Image Denoising Algorithm Using Concepts of Quantum Many-Body Theory [40.29747436872773]
  本稿では,量子多体理論に触発された新しい画像認識アルゴリズムを提案する。 パッチ解析に基づき、局所像近傍における類似度尺度は、量子力学における相互作用に似た用語によって定式化される。 本稿では,医療用超音波画像復号法などの現実的な課題に対処する手法を提案する。
  論文  参考訳（メタデータ） (2021-12-16T23:34:37Z)
• 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)
• Improving Blind Spot Denoising for Microscopy [73.94017852757413]
  自己監督型認知の質を向上させる新しい方法を提案する。 我々は、クリーンな画像がポイントスプレッド関数(PSF)との畳み込みの結果であり、ニューラルネットワークの最後にこの操作を明示的に含んでいると仮定する。
  論文  参考訳（メタデータ） (2020-08-19T13:06:24Z)
• Effective statistical fringe removal algorithm for high-sensitivity imaging of ultracold atoms [3.4521385239788813]
  超低温原子の吸収イメージングのための高度な外周除去アルゴリズムを示す。 少数のサンプル画像を用いて、不要なフリンジパターンを効率的に抑制する。
  論文  参考訳（メタデータ） (2020-02-24T03:03:17Z)

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。