論文の概要: Multilook Coherent Imaging: Theoretical Guarantees and Algorithms

• arxiv url: http://arxiv.org/abs/2505.23594v1
• Date: Thu, 29 May 2025 16:07:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.968314
• Title: Multilook Coherent Imaging: Theoretical Guarantees and Algorithms
• Title（参考訳）: 多視点コヒーレントイメージング:理論的保証とアルゴリズム
• Authors: Xi Chen, Soham Jana, Christopher A. Metzler, Arian Maleki, Shirin Jalali,
• Abstract要約: 多視点コヒーレントイメージングのための可能性に基づくアプローチの理論的側面とアルゴリズム的側面について検討する。 我々の理論的貢献には、最大極大推定器の平均正方形誤差(MSE)に最初の理論上界を確立することが含まれる。 アルゴリズム面では、最大極大解を計算するための効率的な方法として、投影降下勾配(PGD)を用いる。
• 参考スコア（独自算出の注目度）: 23.91895134167736
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multilook coherent imaging is a widely used technique in applications such as digital holography, ultrasound imaging, and synthetic aperture radar. A central challenge in these systems is the presence of multiplicative noise, commonly known as speckle, which degrades image quality. Despite the widespread use of coherent imaging systems, their theoretical foundations remain relatively underexplored. In this paper, we study both the theoretical and algorithmic aspects of likelihood-based approaches for multilook coherent imaging, providing a rigorous framework for analysis and method development. Our theoretical contributions include establishing the first theoretical upper bound on the Mean Squared Error (MSE) of the maximum likelihood estimator under the deep image prior hypothesis. Our results capture the dependence of MSE on the number of parameters in the deep image prior, the number of looks, the signal dimension, and the number of measurements per look. On the algorithmic side, we employ projected gradient descent (PGD) as an efficient method for computing the maximum likelihood solution. Furthermore, we introduce two key ideas to enhance the practical performance of PGD. First, we incorporate the Newton-Schulz algorithm to compute matrix inverses within the PGD iterations, significantly reducing computational complexity. Second, we develop a bagging strategy to mitigate projection errors introduced during PGD updates. We demonstrate that combining these techniques with PGD yields state-of-the-art performance. Our code is available at https://github.com/Computational-Imaging-RU/Bagged-DIP-Speckle.
• Abstract（参考訳）: マルチフォアコヒーレントイメージングは、デジタルホログラフィー、超音波イメージング、合成開口レーダなどの応用において広く用いられている技術である。 これらのシステムにおける中心的な課題は、画像品質を劣化させる乗法ノイズの存在である。 コヒーレントイメージングシステムの普及にもかかわらず、その理論的基礎は比較的未解明のままである。 本稿では,多視点コヒーレントイメージングにおける可能性に基づくアプローチの理論的側面とアルゴリズム的側面の両方を考察し,分析と手法開発のための厳密な枠組みを提供する。 我々の理論的貢献は、深部画像先行仮説の下で最大極大推定器の平均正方形誤差(MSE)に最初の理論上界を確立することである。 以上の結果から, 深部画像のパラメータ数, ルック数, 信号寸法, ルック数に対するMSEの依存性を把握した。 アルゴリズム面では、最大公算解を計算するための効率的な方法として、投影勾配降下法(PGD)を用いる。 さらに,PGDの実用性を高めるための2つの重要なアイデアを紹介した。 まずNewton-Schulzアルゴリズムを用いてPGDイテレーション内で行列逆を計算し、計算複雑性を大幅に低減する。 第2に、PGD更新時に導入された予測誤差を軽減するため、バッグング戦略を開発する。 これらの手法とPGDを組み合わせることで,最先端の性能が得られることを示す。 私たちのコードはhttps://github.com/Computational-Imaging-RU/Bagged-DIP-Speckleで利用可能です。

関連論文リスト

• Bagged Deep Image Prior for Recovering Images in the Presence of Speckle Noise [22.436469596741002]
  複数の測定セットから複素数値信号を復元する確率に基づく手法の理論的側面とアルゴリズム的側面の両方について検討する。 我々の理論的貢献は、深部画像先行仮説の下で最大極大推定器の平均正方形誤差(MSE)に、初めて存在する理論上界を確立することである。 アルゴリズムの面では、bagged Deep Image Priors (Bagged-DIP)の概念を導入し、それらを投影された勾配勾配と統合する。
  論文  参考訳（メタデータ） (2024-02-23T22:36:07Z)
• A Compound Gaussian Least Squares Algorithm and Unrolled Network for Linear Inverse Problems [1.283555556182245]
  本稿では,線形逆問題に対する2つの新しいアプローチを提案する。 1つ目は、正規化された最小二乗目的関数を最小化する反復アルゴリズムである。 2つ目は、反復アルゴリズムの「アンロール」または「アンフォールディング」に対応するディープニューラルネットワークである。
  論文  参考訳（メタデータ） (2023-05-18T17:05:09Z)
• Poisson-Gaussian Holographic Phase Retrieval with Score-based Image Prior [19.231581775644617]
  本稿では,スコア関数を先行生成関数とする高速化されたWirtinger Flow (AWF) を用いた新しいアルゴリズム"AWFS"を提案する。 PRの対数様関数の勾配を計算し、リプシッツ定数を決定する。 本稿では,提案アルゴリズムの臨界点収束保証を確立する理論的解析を行う。
  論文  参考訳（メタデータ） (2023-05-12T18:08:47Z)
• 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)
• 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)
• Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
  グループベース画像復元法は,パッチ間の類似性収集に有効である。 各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。 提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
  論文  参考訳（メタデータ） (2020-08-09T15:12:16Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)

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。