不相干な光を用いた分散画像のデータセットは,分散条件や投影パターンによって異なる
Roger Chiu-Coutino1,2, Miguel S Soriano-Garcia3, Carlos Israel Medel-Ruiz1
1Departamento de ciencias exactas y tecnología, Centro universitario de los Lagos, Universidad de Guadalajara, Enrique Díaz de León 1144, Lagos de Moreno, 47463, Jalisco, México.
Data in brief
|February 20, 2026
まとめ
この研究は,低コストのRaspberry Pi光学システムで撮影された分散した画像の新しいデータセットを紹介しています. このデータは,複雑な分散環境での画像復元のための光学におけるディープラーニングを助けます.
科学分野:
- 光学とフォトニック
- コンピュータビジョン コンピュータビジョン
- 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.
背景:
- 光の散乱は,光学イメージングにおける課題であり,逆の問題である.
- 堅牢な画像復元モデルを開発するには,多様で複雑なデータセットが必要です.
- より広範な研究参加のために,低コストでアクセシブルな光学システムが必要です.
研究 の 目的:
- 散らばった画像の新しい実験データセットを提示する.
- 光学における逆の問題に対するディープラーニングの研究を支援する.
- 画像復元モデルのトレーニングとベンチマークを容易にする.
主な方法:
- 画像を取得するためにRaspberry Piベースの光学システムを利用しました.
- 異なる散乱特性を有する様々な光学拡散器を通して多様なパターンを投影した.
- 散らばった画像とオリジナルのパターンのペアを256×256の解像度でキャプチャ (ground truth) した.
主要な成果:
- 幾何学的な形状,数字,およびテクスチャを特徴とするデータセットを生成しました.
- このデータセットは,さまざまな散乱レジムと光学的な複雑さを含んでいます.
- 画像回復アルゴリズムを評価するためのグラウンド・トゥルーティー・データを提供しました.
結論:
- このデータセットは,光学逆問題におけるディープラーニングを進めるのに価値があります.
- 散乱媒体の画像復元モデルの開発とテストを可能にします.
- 低コストの光学画像システムに関する研究を促進します.
