論文の概要: Noise-Resilient Imaging through Coherence Filtering

• arxiv url: http://arxiv.org/abs/2605.09324v1
• Date: Sun, 10 May 2026 04:56:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.190879
• Title: Noise-Resilient Imaging through Coherence Filtering
• Title（参考訳）: コヒーレンスフィルタによる耐雑音性イメージング
• Authors: Pranay Mohta, Keval Moliya, Aniket Nag, Shaurya Aarav, Anand Kumar Jha,
• Abstract要約: 時間的コヒーレンス特性の違いを利用して物体とノイズを分離するコヒーレンスに基づく画像蒸留手法を提案する。 我々は,QRコードやグレースケールホイールなどの特徴量の多い物体を,物体の20倍の強度で空間的に均一で構造された騒音によって隠蔽して,騒音の回復を実験的に実証した。 このアプローチは、光通信、蛍光顕微鏡、ハイレベルとローレベルの両方での生物学的イメージングに応用した、耐雑音性イメージングのための堅牢なフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Noise is a significant challenge in imaging. Conventional intensity-based techniques mitigate noise through various filtering methods, but they often require prior knowledge of noise characteristics and struggle, especially under low-light conditions and with spatially structured noise. Quantum distillation provides enhanced noise rejection; however, its applicability is limited as it requires specialised illumination and substantial modifications to existing imaging setups. In this article, we introduce a coherence-based image distillation approach that separates object from noise by leveraging the difference in their temporal coherence properties. We implement this through our interferometric protocol, which enables imaging based on spatial coherence while simultaneously filtering out noise via temporal coherence. This overcomes the limitations of both intensity-based and quantum distillation methods. We experimentally demonstrate noise resilience by successfully recovering feature-rich objects, such as QR codes and grayscale wheels, obscured by spatially uniform and structured noise 20 times as intense as the object. We further show that our method remains effective for fields with substantial spectral overlap, outperforming spectral filtering in regimes where the latter provides little noise suppression. This approach provides a robust framework for noise-resilient imaging with applications in optical communication, fluorescence microscopy, and biological imaging at both high and low light levels.
• Abstract（参考訳）: ノイズは画像撮影において重要な課題である。 従来の強度に基づく手法は、様々なフィルタリング手法によってノイズを緩和するが、特に低照度条件下で、特に空間的に構造化された雑音において、ノイズの特性や闘争に関する事前の知識を必要とすることが多い。 量子蒸留によりノイズの低減が図られるが、特殊な照明と既存の撮像装置の大幅な変更を必要とするため、適用性は限られている。 本稿では、時間的コヒーレンス特性の違いを利用して、物体をノイズから分離するコヒーレンスに基づく画像蒸留手法を提案する。 我々は,時間的コヒーレンスによるノイズの除去を同時に行うとともに,空間的コヒーレンスに基づくイメージングを可能にする干渉計測プロトコルによりこれを実装した。 これは強度ベースおよび量子蒸留法の限界を克服する。 我々は,QRコードやグレースケールホイールなどの特徴量の多い物体を,物体の20倍の強度で空間的に均一で構造された騒音で隠蔽し,その復元に成功して,耐雑音性を実験的に実証した。 さらに,本手法はスペクトル重なりがかなり大きい分野においても有効であり,後者が雑音抑制をほとんど与えない状況においてスペクトルフィルタリングよりも優れていることを示す。 このアプローチは、光通信、蛍光顕微鏡、ハイレベルとローレベルの両方での生物学的イメージングに応用した、耐雑音性イメージングのための堅牢なフレームワークを提供する。

関連論文リスト

• Passive Imaging with Quantum Advantage [40.27113751459193]
  検出前に入射光を光学的に前処理することで、このノイズの影響を低減できる手法を提案し、実装する。 フーリエ領域分割(FDD)と呼ばれるこの手法は、フーリエ平面を複数の領域に分割し、独立検出および画像再構成のための後処理を行う。 我々は,この手法を顕微鏡で実証し,高空間周波数成分上でのフィッシャー情報の5倍の精度向上を実現した。
  論文  参考訳（メタデータ） (2026-05-07T10:06:49Z)
• Dark Noise Diffusion: Noise Synthesis for Low-Light Image Denoising [22.897202020483576]
  低照度写真は、限られた光子による信号対雑音比の低い画像を生成する。 ディープラーニングの手法はうまく機能するが、取得には実用的でないペア画像の大規模なデータセットが必要である。 本稿では,低照度雑音の複雑な分布を捉える拡散モデルについて検討する。
  論文  参考訳（メタデータ） (2025-03-14T10:16:54Z)
• NoiseDiffusion: Correcting Noise for Image Interpolation with Diffusion Models beyond Spherical Linear Interpolation [86.7260950382448]
  画像の妥当性を補正する新しい手法としてノイズ拡散法を提案する。 NoiseDiffusionはノイズの多い画像空間内で動作し、これらのノイズの多い画像に生画像を注入することで、情報損失の課題に対処する。
  論文  参考訳（メタデータ） (2024-03-13T12:32:25Z)
• 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)
• Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
  低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。 これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。 まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。 次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
  論文  参考訳（メタデータ） (2023-05-17T13:56:48Z)
• 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)
• 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)
• Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
  低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。 本稿では,低照度画像強調のための深層学習手法を提案する。 提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
  論文  参考訳（メタデータ） (2020-07-04T06:26:44Z)
• Reconstructing the Noise Manifold for Image Denoising [56.562855317536396]
  本稿では,画像ノイズ空間の構造を明示的に活用するcGANを提案する。 画像ノイズの低次元多様体を直接学習することにより、この多様体にまたがる情報のみをノイズ画像から除去する。 我々の実験に基づいて、我々のモデルは既存の最先端アーキテクチャを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-02-11T00:31:31Z)

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。