Китайские исследователи представили новую парадигму компьютерной визуализации (CV), основанную на углубленных исследованиях, которая исследует физическую модель и принимает во внимание ее данные. Это позволило им достичь самых передовых результатов однопиксельного изображения (SPI).
Это исследование было проведено SITU Guohai из Шанхайского института оптики и точной механики (SIOM) Китайской академии наук (CAS). Результаты были опубликованы 13 декабря в журнале Photonics Research.
Методы KV в основном ориентированы на разработку методов кодирования и алгоритмов декодирования. Для проектирования традиционной системы кодирования стратегий (прямая физическая модель) эксперт сначала использует свои знания, а затем использует алгоритмы оптимизации на основе моделей для декодирования. Недавняя стратегия, основанная на данных, разработала режим кодирования и модель обратного декодирования с использованием обучающих данных. Это значительно улучшает качество изображения и производительность. Однако его практическое применение ограничено трудностями сбора, обобщения и интерпретации данных.
В этом исследовании команда предложила новую парадигму CI, которая в полной мере использует обучающие данные и физическую модель. Сообщается, что физическая модель использовалась для устранения артефактов из-за проблемы обобщения модели сети поездов.
Предложенный ими метод может обеспечить лучшее разрешение изображения среди типичных алгоритмов SPI, включая обнаружение линейной корреляции и сжатия при частоте дискретизации всего 6,25%.
Они также построили систему SPI-LiDAR (лазерное обнаружение и определение дальности) и протестировали предложенный метод в экспериментах на открытом воздухе. Башня, расположенная примерно в 570 м от системы LiDAR, была успешно реконструирована с использованием предложенного метода, что показывает, что она имеет большой потенциал для дистанционного зондирования.
Это исследование было поддержано Китайско-германским центром Zentrum für Wissenschaftsforderung, Национальным фондом естественных наук Китая и Программой перспективных научных исследований CAS.
Источник: https://bit.ly/3pc3YZb
