論文の概要: Multi-Frame Blind Manifold Deconvolution for Rotating Synthetic Aperture Imaging
- arxiv url: http://arxiv.org/abs/2501.19386v1
- Date: Fri, 31 Jan 2025 18:39:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-03 13:58:10.256784
- Title: Multi-Frame Blind Manifold Deconvolution for Rotating Synthetic Aperture Imaging
- Title(参考訳): 回転合成開口イメージングのための多フレームブラインドマニフォールドデコンボリューション
- Authors: Dao Lin, Jian Zhang, Martin Benning,
- Abstract要約: 回転合成開口(RSA)撮像システムは、矩形開口を回転させることにより、ターゲットシーンの画像を異なる回転角度でキャプチャする。
取得したRSA画像を損なうことは、シーンの裏側にある潜伏したシャープなイメージを再構築する上で重要な役割を担っている。
本稿では, ブラインドコンボリューションの内容に対する多様体フィッティングとペナル化を用いた新しいRSA画像処理法を提案する。
- 参考スコア(独自算出の注目度): 4.19203497706834
- License:
- Abstract: Rotating synthetic aperture (RSA) imaging system captures images of the target scene at different rotation angles by rotating a rectangular aperture. Deblurring acquired RSA images plays a critical role in reconstructing a latent sharp image underlying the scene. In the past decade, the emergence of blind convolution technology has revolutionised this field by its ability to model complex features from acquired images. Most of the existing methods attempt to solve the above ill-posed inverse problem through maximising a posterior. Despite this progress, researchers have paid limited attention to exploring low-dimensional manifold structures of the latent image within a high-dimensional ambient-space. Here, we propose a novel method to process RSA images using manifold fitting and penalisation in the content of multi-frame blind convolution. We develop fast algorithms for implementing the proposed procedure. Simulation studies demonstrate that manifold-based deconvolution can outperform conventional deconvolution algorithms in the sense that it can generate a sharper estimate of the latent image in terms of estimating pixel intensities and preserving structural details.
- Abstract(参考訳): 回転合成開口(RSA)撮像システムは、矩形開口を回転させることにより、ターゲットシーンの画像を異なる回転角度でキャプチャする。
取得したRSA画像を損なうことは、シーンの裏側にある潜伏したシャープなイメージを再構築する上で重要な役割を担っている。
過去10年間で、ブラインド畳み込み技術の出現は、取得した画像から複雑な特徴をモデル化する能力によって、この分野に革命をもたらした。
既存の手法のほとんどは、後部を最大化することで上記の不正な逆問題の解法を試みるものである。
この進歩にもかかわらず、研究者は高次元空間内の潜像の低次元多様体構造を探索することに限られた注意を払っている。
本稿では,マルチフレームブラインド畳み込みの内容に多様体のフィッティングとペナル化を適用し,RSA画像を処理する新しい手法を提案する。
提案手法を実装するための高速アルゴリズムを開発した。
シミュレーション研究では、多様体に基づくデコンボリューションが従来のデコンボリューションアルゴリズムより優れており、ピクセル強度の推定と構造的詳細の保存という観点から、潜像のよりシャープな推定を生成できることを示している。
関連論文リスト
- Multi-view 3D surface reconstruction from SAR images by inverse rendering [4.964816143841665]
本稿では,制約のない合成開口レーダ(SAR)画像から3次元再構成を行うための新しい逆レンダリング手法を提案する。
本手法は,SAR画像における幾何学的不均一性を利用する可能性を示し,マルチセンサデータ融合の道を開く。
論文 参考訳(メタデータ) (2025-02-14T13:19:32Z) - Ground-based image deconvolution with Swin Transformer UNet [2.41675832913699]
Swin Transformerアーキテクチャを用いた2段階のデコンボリューションフレームワークを提案する。
我々の研究は、ディープラーニングベースのソリューションが、科学的分析の範囲を制限してバイアスをもたらすことを明らかにした。
本稿では,スポーシティウェーブレットフレームワークの活性係数に依存する新しい第3ステップを提案する。
論文 参考訳(メタデータ) (2024-05-13T15:30:41Z) - Leveraging Classic Deconvolution and Feature Extraction in Zero-Shot
Image Restoration [0.4398130586098371]
非盲点デコンボリューションは、取得したカーネルによってぼやけた画像からシャープなイメージを復元することを目的としている。
本稿では、ディープラーニングと古典的反復的デコンボリューションアルゴリズムの力を生かした、新しい非盲検デコンボリューション法を提案する。
本手法は,非ブレンドデコンボリューションタスクの様々な実世界のアプリケーションにおいて,大幅な改善を示す。
論文 参考訳(メタデータ) (2023-10-03T14:41:30Z) - Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。
新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。
増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
論文 参考訳(メタデータ) (2023-08-10T12:53:30Z) - DELAD: Deep Landweber-guided deconvolution with Hessian and sparse prior [0.22940141855172028]
本稿では,古典的反復法をディープラーニングアプリケーションに組み込んだ非盲検画像デコンボリューションモデルを提案する。
このアルゴリズムは、トレーニング可能な畳み込み層と統合され、復元された画像構造と詳細を強化する。
論文 参考訳(メタデータ) (2022-09-30T11:15:03Z) - Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image
Denoising [50.039949798156826]
本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。
ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。
次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
論文 参考訳(メタデータ) (2022-07-09T13:35:12Z) - Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。
そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文 参考訳(メタデータ) (2022-05-25T17:59:53Z) - DWDN: Deep Wiener Deconvolution Network for Non-Blind Image Deblurring [66.91879314310842]
本稿では,古典的なWienerデコンボリューションフレームワークを学習深い特徴と統合することにより,特徴空間における明示的なデコンボリューションプロセスを提案する。
マルチスケールのカスケード機能改善モジュールは、分離された深い特徴から退色画像を予測する。
提案したDeep Wienerデコンボリューションネットワークは,目に見える成果物が少なく,かつ,最先端の非盲点画像デコンボリューション手法を広いマージンで定量的に上回っていることを示す。
論文 参考訳(メタデータ) (2021-03-18T00:38:11Z) - 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) - Deep Blind Video Super-resolution [85.79696784460887]
本稿では,ビデオSRを曖昧なカーネルモデリング手法により解くために,深層畳み込みニューラルネットワーク(CNN)モデルを提案する。
提案したCNNモデルは、動きのぼかし推定、動きの推定、遅延画像復元モジュールからなる。
提案アルゴリズムは, より微細な構造情報を用いて, より鮮明な画像を生成することができることを示す。
論文 参考訳(メタデータ) (2020-03-10T13:43:24Z)
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。