Towards A Most Probable Recovery in Optical Imaging

要約

Light は複素数値フィールドです。
フィールドの強度と位相は、画像化されたオブジェクトの影響を受けます。
ただし、イメージ センサーは、実数値の非負の強度のみを測定します。
これにより、測定値と未知の画像オブジェクトとの間に非線形関係が生じます。
さらに、センサーの読み取り値は、ポアソン分布の光子ノイズによって破損しています。
この作業では、ノイズの多い測定値を考慮して、最も可能性の高いオブジェクト (または鮮明な画像) を探します。つまり、求められる変数の事後確率を最大化します。
したがって、アニールされたランジュバンダイナミクスを一般化し、位相回復やポアソン（光子）ノイズ除去など、光学イメージングの基本的な課題に取り組みます。
画像化されたオブジェクトの明示的な回復ではなく、前項のおおよその勾配として、ディープ ニューラル ネットワークを活用します。
実際の実験によって得られた経験的データの結果を示します。
さらにシミュレーションの結果を示します。

要約(オリジナル)

Light is a complex-valued field. The intensity and phase of the field are affected by imaged objects. However, imaging sensors measure only real-valued non-negative intensities. This results in a nonlinear relation between the measurements and the unknown imaged objects. Moreover, the sensor readouts are corrupted by Poissonian-distributed photon noise. In this work, we seek the most probable object (or clear image), given noisy measurements, that is, maximizing the a-posteriori probability of the sought variables. Hence, we generalize annealed Langevin dynamics, tackling fundamental challenges in optical imaging, including phase recovery and Poisson (photon) denoising. We leverage deep neural networks, not for explicit recovery of the imaged object, but as an approximate gradient for a prior term. We show results on empirical data, acquired by a real experiment. We further show results of simulations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google