MathJax = {
  chtml: {
    matchFontHeight: false
  },
  tex: {
    inlineMath: [['$', '$']]
  }
};






前回、畳込みモデルを用いた間接的評価方法に関して、入力画像のPSF径を求めました。今回は、デコンボリューション画像を入力画像へ近似的に変換するブラーの径を求めてみます。


デコンボリューション画像を暗環径 $r$ のエアリーディスクで劣化させた像のコスト関数を、入力画像との差分の二乗平均で定義して最小値問題を解けば良いですね。


パラメタ $r$ に関する走査により最小値問題を解きましょう。試してみると22pxという解が見つかります。(注意:入力画像の画サイズはデコンボリューション画像に合わせて8×8の画素補間を実行しています。)


今回はここまで。次回、デコンボリューション画像の分解能を計算します。(written by J.Nishigata)


Copy Right 2020-現在 ALXIS DATA, Inc. All Right Reserved.

研究115- NASAのオープンデータで、遮断周波数を超える分解能の改善に成功!～その３

MathJax = {
  chtml: {
    matchFontHeight: false
  },
  tex: {
    inlineMath: [['$', '$']]
  }
};






前回、遮断周波数を超える分解能の改善が定量的に確認できました。これによってスペクトルの高周波成分には「分解能を改善する」という物理学的な意味があると結論付けられます。


実際にデコンボリューション画像のスペクトルを見てみましょう。今回もハニング窓を掛けてから計算します。

研究116- NASAのオープンデータで、遮断周波数を超える分解能の改善に成功!～その４