論文の概要: A Data-Driven Approach for Mitigating Dark Current Noise and Bad Pixels in Complementary Metal Oxide Semiconductor Cameras for Space-based Telescopes
- arxiv url: http://arxiv.org/abs/2403.10206v1
- Date: Fri, 15 Mar 2024 11:15:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 17:30:38.906008
- Title: A Data-Driven Approach for Mitigating Dark Current Noise and Bad Pixels in Complementary Metal Oxide Semiconductor Cameras for Space-based Telescopes
- Title（参考訳）: 宇宙望遠鏡用複合金属酸化物半導体カメラにおける暗電流ノイズと悪い画素の緩和のためのデータ駆動アプローチ
- Authors: Peng Jia, Chao Lv, Yushan Li, Yongyang Sun, Shu Niu, Zhuoxiao Wang,
- Abstract要約: 我々は、CMOSカメラの暗電流ノイズと悪い画素を緩和するデータ駆動フレームワークを提案する。
私たちのアプローチには、ピクセルクラスタリングと関数フィッティングという2つの重要なステップがあります。
その結果,宇宙望遠鏡の検出効率は大幅に向上した。
- 参考スコア（独自算出の注目度）: 2.4489471766462625
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, there has been a gradual increase in the performance of Complementary Metal Oxide Semiconductor (CMOS) cameras. These cameras have gained popularity as a viable alternative to charge-coupled device (CCD) cameras in a wide range of applications. One particular application is the CMOS camera installed in small space telescopes. However, the limited power and spatial resources available on satellites present challenges in maintaining ideal observation conditions, including temperature and radiation environment. Consequently, images captured by CMOS cameras are susceptible to issues such as dark current noise and defective pixels. In this paper, we introduce a data-driven framework for mitigating dark current noise and bad pixels for CMOS cameras. Our approach involves two key steps: pixel clustering and function fitting. During pixel clustering step, we identify and group pixels exhibiting similar dark current noise properties. Subsequently, in the function fitting step, we formulate functions that capture the relationship between dark current and temperature, as dictated by the Arrhenius law. Our framework leverages ground-based test data to establish distinct temperature-dark current relations for pixels within different clusters. The cluster results could then be utilized to estimate the dark current noise level and detect bad pixels from real observational data. To assess the effectiveness of our approach, we have conducted tests using real observation data obtained from the Yangwang-1 satellite, equipped with a near-ultraviolet telescope and an optical telescope. The results show a considerable improvement in the detection efficiency of space-based telescopes.
- Abstract（参考訳）: 近年,Complementary Metal oxide Semiconductor (CMOS) カメラの性能が徐々に向上している。
これらのカメラは、広範囲のアプリケーションにおいて、チャージカップリングデバイス(CCD)カメラに代わる有効な代替品として人気を集めている。
一つの応用例は、小型の宇宙望遠鏡に搭載されたCMOSカメラである。
しかし、衛星上で利用可能な限られた電力と空間資源は、温度や放射環境を含む理想的な観測条件を維持する上での課題である。
その結果、CMOSカメラが捉えた画像は、暗電流ノイズや欠陥画素などの問題の影響を受けやすい。
本稿では,CMOSカメラの暗電流ノイズと悪い画素を緩和する,データ駆動型フレームワークを提案する。
私たちのアプローチには、ピクセルクラスタリングと関数フィッティングという2つの重要なステップがあります。
画素クラスタリングのステップでは、同様の暗電流ノイズ特性を示す画素を特定し、グループ化する。
その後、関数フィッティングステップにおいて、アレニウス法則によって規定される暗流と温度の関係を捉える関数を定式化する。
本フレームワークは,異なるクラスタ内の画素に対して,異なる温度-暗流関係を確立するために,地上試験データを活用する。
クラスターの結果を利用して暗電流ノイズレベルを推定し、実際の観測データから悪いピクセルを検出する。
提案手法の有効性を評価するため,近紫外線望遠鏡と光学望遠鏡を備えたヤンワン1衛星から得られた実観測データを用いて実験を行った。
その結果,宇宙望遠鏡の検出効率は大幅に向上した。
関連論文リスト
- EvMAPPER: High Altitude Orthomapping with Event Cameras [58.86453514045072]
この研究は、イベントカメラを用いた最初のオルソモザイク的アプローチを導入している。
CMOSカメラにのみ依存する既存の手法とは対照的に,本手法は難易度の高い光条件においてもマップ生成を可能にする。
論文 参考訳（メタデータ） (2024-09-26T17:57:15Z) - CamLoPA: A Hidden Wireless Camera Localization Framework via Signal Propagation Path Analysis [59.86280992504629]
CamLoPAは、トレーニング不要の無線カメラ検出およびローカライゼーションフレームワークである。
低コストの商用オフ・ザ・シェルフ(COTS)デバイスを使用して、最小限の活動空間制約で運用する。
95.37%のスヌーピングカメラ検出精度と17.23の平均位置誤差を達成する。
論文 参考訳（メタデータ） (2024-09-23T16:23:50Z) - Simultaneous temperature estimation and nonuniformity correction from
multiple frames [0.0]
低コストのマイクロボロメーターベースの赤外線カメラは、空間的に不均一であり、温度測定でドリフトする傾向がある。
低コストマイクロボロメータカメラで捉えた複数フレームからの同時温度推定と非均一性補正(NUC)のための新しい手法を提案する。
論文 参考訳（メタデータ） (2023-07-23T11:28:25Z) - Polarimetric Imaging for Perception [3.093890460224435]
我々は、RGB偏光カメラを用いた知覚タスクの改善の可能性を分析する。
我々は、最先端のディープニューラルネットワークを用いて、両者にとって定量化された改善が達成可能であることを示す。
論文 参考訳（メタデータ） (2023-05-24T06:42:27Z) - Infrared photon-number-resolving imager using a Skipper-CCD [0.0]
天文学的な検出において、居住可能な太陽系外惑星の探索は、生体信号を探している大気圏のイメージングを要求する。
ここでは、赤外波長範囲の撮像装置を用いて、読み出しノイズを任意に低減する。
この装置では、同一フレーム内の幅広い強度で物体を撮像し、読み出しノイズを0.2e$-$以下にすることで、1ピクセルあたり2光子未満の形状でも識別し、以前はノイズの中に隠されていたものを明らかにすることができる。
論文 参考訳（メタデータ） (2023-01-26T01:22:41Z) - CubeSat in-orbit validation of in-situ performance by high fidelity
radiation modelling [55.41644538483948]
SpooQy-1 CubeSatミッションは、単一光子検出のためのアバランシェフォトダイオードを用いた偏光に基づく量子エンタングルメント相関を実証した。
2年間にわたって観測された2つのシリコン・ガイガーモード・アバランシェ・フォトダイオードの暗黒数率の増加を報告した。
我々は,光ダイオードに蓄積した変位損傷量を推定するために,高忠実度放射モデルと3次元コンピュータ支援型SpooQy-1 CubeSatの設計モデルを実装した。
論文 参考訳（メタデータ） (2022-09-01T12:33:27Z) - Dense Optical Flow from Event Cameras [55.79329250951028]
本稿では,イベントカメラからの高密度光フロー推定に特徴相関と逐次処理を導入することを提案する。
提案手法は、高密度光流を計算し、MVSEC上での終点誤差を23%削減する。
論文 参考訳（メタデータ） (2021-08-24T07:39:08Z) - SE-Harris and eSUSAN: Asynchronous Event-Based Corner Detection Using
Megapixel Resolution CeleX-V Camera [9.314068908300285]
イベントカメラは、正確なタイムスタンプでピクセル単位の強度変化の非同期イベントストリームを生成する。
本研究では,従来のsusan(smallest univalue segment assimilating nucleus)アルゴリズムに触発されたコーナー検出アルゴリズムesusanを提案する。
また, 指数減衰に基づく適応正規化を用いて動的事象の局所面を高速に構築するse-harrisコーナー検出器を提案する。
論文 参考訳（メタデータ） (2021-05-02T14:06:28Z) - Deep learning with photosensor timing information as a background
rejection method for the Cherenkov Telescope Array [0.0]
Atmospheric Cherenkov Telescopes (IACTs) の画像解析における新たな深層学習手法の提案
cnnは、チェレンコフシャワー画像に含まれる全情報を使用する直接イベント分類方法を提供することができる。
論文 参考訳（メタデータ） (2021-03-10T13:54:43Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z) - SCRDet++: Detecting Small, Cluttered and Rotated Objects via
Instance-Level Feature Denoising and Rotation Loss Smoothing [131.04304632759033]
小さくて散らばった物体は実世界では一般的であり、検出は困難である。
本稿では,まず,物体検出にデノナイズするアイデアを革新的に紹介する。
機能マップ上のインスタンスレベルの記述は、小さくて散らばったオブジェクトの検出を強化するために行われる。
論文 参考訳（メタデータ） (2020-04-28T06:03:54Z)
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。