Główne pojęcia
Neuronale Netzwerkarchitekturen können die Genauigkeit und Effizienz der Hyperspektral-Bilddemosaizierung deutlich verbessern.
Streszczenie
Die Studie untersucht die Leistungsfähigkeit neuronaler Netzwerkarchitekturen für die Hyperspektral-Bilddemosaizierung. Es werden verschiedene neue und erweiterte Demosaizierungs-Netzwerke vorgestellt und mit klassischen öffentlich verfügbaren Datensätzen sowie einem selbst erstellten Datensatz verglichen.
Die Analyse erfolgt aus der Perspektive, dass die Netzwerke eine gute Rekonstruktionsqualität liefern und diese schnell berechnen können, d.h. möglichst wenige Parameter enthalten sollten für eine potenzielle Verarbeitung in der Nähe des Sensors.
Die Ergebnisse zeigen, dass die vorgestellten Netzwerke die Referenzmodelle in beiden Datensätzen übertreffen oder zumindest erreichen und eine hervorragende Leistung aufweisen. Insbesondere liegt der Fokus auf einer korrekten spektralen Rekonstruktion anstelle einer rein visuellen Attraktivität, was durch quantitative und qualitative Bewertungen unterstützt wird.
Darüber hinaus deuten die Ergebnisse darauf hin, dass effiziente Demosaizierungs-Lösungen, die weniger Parameter erfordern, für praktische Anwendungen unerlässlich sind. Diese Forschung liefert wertvolle Erkenntnisse für die Hyperspektralbildgebung und ihre potenziellen Anwendungen in verschiedenen Bereichen, einschließlich der medizinischen Bildgebung.
Statystyki
Die Verwendung von Multispektralbildern (MSIs) oder Hyperspektralbildern (HSIs), die einen breiten Bereich verschiedener Spektralkanäle über verschiedene Wellenlängen sowohl innerhalb als auch außerhalb des sichtbaren Spektrums umfassen, hat in den letzten Jahren stark an Bedeutung gewonnen.
Diese Bildtypen finden breite Anwendung in verschiedenen Bereichen wie Gesundheitswesen, Industrie und Landwirtschaft.
Allerdings sind die herkömmlichen Aufnahmemethoden und -geräte mit erheblichen Nachteilen verbunden, wie hohe Kosten und lange Aufnahmezeiten.
Eine vielversprechende Technik ist die Verwendung von Multispektralfilter-Arrays (MSFAs), bei denen nur ein einzelner Sensorchip verwendet wird.
Allerdings geht mit einer Erhöhung der spektralen Auflösung ein Verlust an räumlicher Auflösung einher, der durch Interpolationsverfahren ausgeglichen werden muss.
Neuronale Netzwerke haben sich als vielversprechende Ansätze erwiesen, um bestehende Methoden zu verbessern.
Cytaty
"Neuronale Netzwerkarchitekturen für die Bilddemosaizierung sind immer komplexer geworden. Dies führt zu langen Trainingszeiten solcher tiefer Netzwerke und die Größe der Netzwerke ist enorm. Diese beiden Faktoren verhindern eine praktische Implementierung und Nutzung der Netzwerke auf Echtzeit-Plattformen, die in der Regel nur über begrenzte Ressourcen verfügen."
"Unser Ansatz konzentriert sich darauf, eine korrekte spektrale Rekonstruktion zu erreichen, anstatt nur auf visuelle Attraktivität zu achten, und diese Betonung wird durch quantitative und qualitative Bewertungen unterstützt."