Super resolution phase retrieval algorithm based on sparse priors
La recuperacion de la fase de alta resoluci ´ on RFAR es un problema matem ´ atico inverso presente en ´ imagenes ´ optica difractivas, el cual consiste en estimar una imagen de alta resoluci ´ on a partir de medidas sin fase de ´ baja resolucion. Esta tesis estudia RFAR en un sistema ´ optico de pa...
- Autores:
-
Bacca Quintero, Jorge Luis
- Tipo de recurso:
- http://purl.org/coar/version/c_b1a7d7d4d402bcce
- Fecha de publicación:
- 2021
- Institución:
- Universidad Industrial de Santander
- Repositorio:
- Repositorio UIS
- Idioma:
- spa
- OAI Identifier:
- oai:noesis.uis.edu.co:20.500.14071/41702
- Palabra clave:
- Superresolución
Aperturas codificadas
Patrones difractivos codificados
Escases.
Super resolution phase retrieval
Coded diffraction patterns
Coded aperture
Sparsity priors.
- Rights
- License
- Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
Summary: | La recuperacion de la fase de alta resoluci ´ on RFAR es un problema matem ´ atico inverso presente en ´ imagenes ´ optica difractivas, el cual consiste en estimar una imagen de alta resoluci ´ on a partir de medidas sin fase de ´ baja resolucion. Esta tesis estudia RFAR en un sistema ´ optico de patrones difractivos codificados, el cual introduce una ´ apertura codificada (AC) para modular la fase, permitiendo adquirir multiples proyecciones desde el mismo objeto. Esta tesis doctoral considera dos escenarios de superresolucion (i) computacional, donde las caracter ´ ísticas del sensor determinan la resolucion de la imagen recuperada, es decir, el tama ´ no de p ˜ íxel del sensor es menor que el del AC, y (ii) físico, donde la resolucion de la imagen est ´ a determinada por la resoluci ´ on de la AC, asumiendo que el tama ´ no˜ de píxel de AC es menor que la del sensor. Ademas, la estructura espacial de las AC puede dise ´ narse para mejorar ˜ la calidad de la estimacion por lo tanto se desarrollan diferentes estrategias de dise ´ no. Po otro lado, la literatura ˜ en algoritmos de recuperacion han demostrado que las formulaciones no convexas superan los m ´ etodos convexos, ´ requiriendo menos mediciones y complejidad computacional para recuperar la imagen. Sin embargo, la mayoría de los metodos no convexos se basan en una funci ´ on de p ´ erdida no suave y no incluyen informaci ´ on previa sobre la se ´ nal, ˜ como los escases. Por lo tanto, esta tesis estudia una funcion objetivo de m ´ ínimos cuadrados no convexos suavizada, donde se incluye algunos conocimientos previos sobre la senal, como escases, variaci ˜ on total y aprendizaje de los ´ datos. Los resultados de la simulacion muestran que los esquemas propuestos superan los m ´ etodos m ´ as avanzados en la reconstruccion de la imagen de alta resoluci ´ on. Esta tesis tambi ´ en muestra que la calidad de la reconstrucci ´ on´ utilizando AC disenada es superior a la de los conjuntos no dise ˜ nados. |
---|