Super resolution phase retrieval algorithm based on sparse priors

Simple item page
dc.contributor.advisorArgüello Fuentes, Henry
dc.contributor.authorBacca Quintero, Jorge Luis
dc.date.accessioned2024-03-04T01:19:31Z
dc.date.available2021
dc.date.available2024-03-04T01:19:31Z
dc.date.created2021
dc.date.issued2021
dc.description.abstractLa 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.
dc.description.abstractenglishSuper-resolution phase retrieval (SRPR) is an inverse problem that appears in diffractive optical imaging and consists in estimating a high resolution image from low-resolution phaseless measurements. This thesis studies SRPR under a setup known as coded diffraction patterns, which introduces a coded aperture (CA) as a phase modulator encoding the diffraction patterns, allowing several projections from the same object. This doctoral thesis considers two super-resolution scenarios (i) computational, where the sensor characteristics mainly govern the attainable resolution of the recovered image, i.e., the pixel size of the sensor is smaller than that of the CA, and (ii) physical, the attainable resolution of the image is determined by the resolution of CA, assuming that the pixel size of CA is smaller than sensor pixel size. Additionally, the spatial structure of the CA can be designed to improve the quality of the estimation. Therefore, different strategies to design this spatial distribution are developed. From the recovery point of view, recent literature has shown that the non-convex formulations overcome the convex methods, requiring fewer measurements and less computational complexity to retrieve the phase image. However, most non-convex methods are based on nonsmooth loss function, and they do not include prior information about the signal, such as sparsity. Therefore, this thesis studies a smoothed non-convex least-squares objective function, where some prior knowledge about the signal, such as sparsity, total-variation, and deep prior, is also included in the proposed formulation. Simulation results show that the proposed schemes overcome state-of-the-art methods in reconstructing the high-resolution image. This thesis also
dc.description.degreelevelDoctorado
dc.description.degreenameDoctor en Ciencias de la Computación
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/41702
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programDoctorado en Ciencias de la Computación
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectSuperresolución
dc.subjectAperturas codificadas
dc.subjectPatrones difractivos codificados
dc.subjectEscases.
dc.subject.keywordSuper resolution phase retrieval
dc.subject.keywordCoded diffraction patterns
dc.subject.keywordCoded aperture
dc.subject.keywordSparsity priors.
dc.titleSuper resolution phase retrieval algorithm based on sparse priors
dc.title.englishSuper resolution phase retrieval algorithm based on sparse priors.
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_db06
dc.type.localTesis/Trabajo de grado - Monografía - Doctorado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
111.35 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
9.07 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
7.54 KB
Format:
Adobe Portable Document Format
Download
Collections
Doctorado en Ciencias de la Computación