論文の概要: Bayesian Despeckling of Structured Sources

• arxiv url: http://arxiv.org/abs/2501.11860v1
• Date: Tue, 21 Jan 2025 03:26:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:19:31.607316
• Title: Bayesian Despeckling of Structured Sources
• Title（参考訳）: 構造源のベイズ非特異性
• Authors: Ali Zafari, Shirin Jalali,
• Abstract要約: SAR(Synthetic Aperture Radar)やデジタルホログラフィーなどの応用のためにデスペックリングアルゴリズムが開発された。 本稿では,一般的な定常情報源に適用可能な手法を提案する。 提案するデップセックラーは、地上の真理信号モデルやスペックルノイズの強い単純化を伴わずに、より良い再構成性能を実現する。
• 参考スコア（独自算出の注目度）: 6.936698849312721
• License:
• Abstract: Speckle noise is a fundamental challenge in coherent imaging systems, significantly degrading image quality. Over the past decades, numerous despeckling algorithms have been developed for applications such as Synthetic Aperture Radar (SAR) and digital holography. In this paper, we aim to establish a theoretically grounded approach to despeckling. We propose a method applicable to general structured stationary stochastic sources. We demonstrate the effectiveness of the proposed method on piecewise constant sources. Additionally, we theoretically derive a lower bound on the despeckling performance for such sources. The proposed depseckler applied to the 1-Markov structured sources achieves better reconstruction performance with no strong simplification of the ground truth signal model or speckle noise.
• Abstract（参考訳）: スペックルノイズはコヒーレントイメージングシステムにおける基本的な課題であり、画質を著しく劣化させる。 過去数十年にわたり、SAR(Synthetic Aperture Radar)やデジタルホログラフィーなど、多くの非特定アルゴリズムが開発されてきた。 本稿では, 脱種に対する理論的根拠を持つアプローチを確立することを目的としている。 本稿では,一般的な定常確率源に適用可能な手法を提案する。 本稿では,提案手法の有効性について述べる。 さらに、理論的には、そのような情報源に対する非特定性能の低い境界を導出する。 提案したデップセックラーを1-マルコフ構造源に適用することにより,地上の真理信号モデルやスペックルノイズの強い単純化を伴わずに,より優れた再構成性能を実現する。

関連論文リスト

• DGTR: Distributed Gaussian Turbo-Reconstruction for Sparse-View Vast Scenes [81.56206845824572]
  新規ビュー合成(NVS)アプローチは、広大なシーン再構築において重要な役割を担っている。 大規模な環境下では、復元の質が悪くなる場合が少なくない。 本稿では,スパース・ビュー・ワイド・シーンのための効率的なガウス再構成のための分散フレームワークであるDGTRを提案する。
  論文  参考訳（メタデータ） (2024-11-19T07:51:44Z)
• Oversights in Characterising Heralded Single Photon Sources [0.0]
  本稿では,本論文における1光子源の最先端解析について述べる。 我々は、明るさや隠蔽効率などの重要なパラメータがどのように特徴付けられるかという矛盾を指摘する。
  論文  参考訳（メタデータ） (2024-10-11T15:28:35Z)
• Correntropy-Based Improper Likelihood Model for Robust Electrophysiological Source Imaging [18.298620404141047]
  既存のソースイメージングアルゴリズムは、観測ノイズに対するガウスの仮定を利用して、ベイズ推定の確率関数を構築する。 脳活動の電磁的測定は、通常、様々な人工物に影響され、観測ノイズの非ガウス分布につながる可能性がある。 非ガウス雑音に対して頑健な新しい確率モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:54:15Z)
• Back to Basics: Fast Denoising Iterative Algorithm [0.0]
  ノイズ低減のための高速反復アルゴリズムであるBack to Basics (BTB)を紹介する。 光コヒーレンス・トモグラフィー(OCT)における白色ガウス雑音の存在下での自然像,ポアソン分布画像デノイング,スペックル抑制の3症例について検討した。 実験結果から,提案手法は画像品質を効果的に向上しうることを示す。
  論文  参考訳（メタデータ） (2023-11-11T18:32:06Z)
• ExposureDiffusion: Learning to Expose for Low-light Image Enhancement [87.08496758469835]
  この研究は、拡散モデルと物理ベースの露光モデルとをシームレスに統合することで、この問題に対処する。 提案手法は,バニラ拡散モデルと比較して性能が大幅に向上し,推論時間を短縮する。 提案するフレームワークは、実際のペア付きデータセット、SOTAノイズモデル、および異なるバックボーンネットワークの両方で動作する。
  論文  参考訳（メタデータ） (2023-07-15T04:48:35Z)
• 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)
• Poisson2Sparse: Self-Supervised Poisson Denoising From a Single Image [34.27748767631027]
  本稿では,単一画像の自己教師型学習手法を提案する。 繰り返しニューラルネットワークを用いた画像復調のための従来の反復最適化アルゴリズムを近似する。 提案手法はPSNRとSSIMの両面で最先端の手法より優れている。
  論文  参考訳（メタデータ） (2022-06-04T00:08:58Z)
• 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)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)
• On Noise Injection in Generative Adversarial Networks [85.51169466453646]
  ノイズ注入は高忠実度画像の生成における重要な技術のひとつであることが証明されている。 GANにおけるノイズ注入の役割を理論的に解析するための幾何学的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-10T15:24:48Z)

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。