Algoritmo de recuperación de fase de súper resolución basada en información de escasas

Simple item page
dc.contributor.advisorArgüello Fuentes, Henry
dc.contributor.authorBacca Quintero, Jorge Luis
dc.contributor.evaluatorMeneses Fonseca, Jaime Enrique
dc.contributor.evaluatorBautista Rozo, Lola Xiomara
dc.contributor.evaluatorRamírez Silva, Ana Beatriz
dc.date.accessioned2022-04-01T04:24:49Z
dc.date.available2022-04-01T04:24:49Z
dc.date.created2021
dc.date.issued2021
dc.description.abstractLa recuperación de la fase de alta resolución RFAR es un problema matemático inverso presente en imágenes óptica difractivas, el cual consiste en estimar una imagen de alta resolución a partir de medidas sin fase de baja resolución. Esta tesis estudia RFAR en un sistema ´óptico de patrones difractivos codificados, el cual introduce una apertura codificada (AC) para modular la fase, permitiendo adquirir múltiples proyecciones desde el mismo objeto. Esta tesis doctoral considera dos escenarios de superresolución (i) computacional, donde las características del sensor determinan la resolución de la imagen recuperada, es decir, el tamaño de píxel del sensor es menor que el del AC, y (ii) físico, donde la resolución de la imagen esta´ determinada por la resolución de la AC, asumiendo que el tamaño de píxel de AC es menor que la del sensor. Además, la estructura espacial de las AC puede diseñarse para mejorar la calidad de la estimación por lo tanto se desarrollan diferentes estrategias de diseño. Po otro lado, la literatura en algoritmos de recuperación han demostrado que las formulaciones no convexas superan los métodos convexos, requiriendo menos mediciones y complejidad computacional para recuperar la imagen. Sin embargo, la mayoría de los métodos no convexos se basan en una función de perdida no suave y no incluyen información previa sobre la señal, como los escases. Por lo tanto, esta tesis estudia una función objetivo de mínimos cuadrados no convexos suavizada, donde se incluye algunos conocimientos previos sobre la señal, como escases, variación total y aprendizaje de los datos. Los resultados de la simulación muestran que los esquemas propuestos superan los métodos más avanzados en la reconstrucción de la imagen de alta resolución. Esta tesis también muestra que la calidad de la reconstrucción utilizando AC diseñada es superior a la de los conjuntos no diseñados.
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 non-smooth 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 shows that the reconstruction quality using designed CA is higher than that of the non-designed ensembles.
dc.description.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000099025
dc.description.degreelevelDoctorado
dc.description.degreenameDoctor en Ciencias de la Computación
dc.description.orcidhttps://orcid.org/0000-0001-5264-7891
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/20.500.14071/9544
dc.language.isoeng
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programDoctorado en Ciencias de la Computación
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
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-nd/4.0/
dc.subjectSuper-Resolución
dc.subjectAperturas Codificadas
dc.subjectPatrones Difractivos Codificados
dc.subjectEscasez
dc.subject.keywordSuper Resolution Phase Retrieval
dc.subject.keywordCoded Diffraction Patterns
dc.subject.keywordCoded Aperture
dc.subject.keywordSparsity Priors
dc.titleAlgoritmo de recuperación de fase de súper resolución basada en información de escasas
dc.title.englishSuper resolution phase retrieval algorithm based on sparse priors
dc.type.coarhttp://purl.org/coar/resource_type/c_db06
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Doctorado
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
Documento.pdf
Size:
37.22 MB
Format:
Adobe Portable Document Format
Description:
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
111.35 KB
Format:
Adobe Portable Document Format
Description:
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
7.54 KB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Doctorado en Ciencias de la Computación