MétaCan
Menu
Retour à la cohorte
Enregistrement W2168754477 · doi:10.1109/tip.2010.2052001

Joint Color Decrosstalk and Demosaicking for CFA Cameras

2010· article· en· W2168754477 sur OpenAlex
Xiaolin Wu, Xiangjun Zhang

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Image Processing · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage and Signal Denoising Methods
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDemosaicingColor filter arrayArtificial intelligenceComputer visionComputer scienceCrosstalkDeconvolutionColor imageColor gelImage processingElectronic engineeringAlgorithmEngineeringImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

In interest of low cost, low power consumption, and compact size, most digital cameras adopt a design of single sensor array coupled with a color filter array. This design inevitably suffers, due to physical characteristics of the optical and semiconductor components and the imperfection of manufacturing, from the problem of crosstalk between different color channels. Channel crosstalk can desaturate colors and blur image details, but the problem was seemingly overlooked by existing color demosaicking algorithms. To rectify this deficiency we propose a new joint demosaicking and decrosstalk technique that counters the effects of channel crosstalks by adaptive least-squares inverse filtering. The new technique integrates the operations of deconvolution for crosstalk removal and interpolation for color demosaicking, and it introduces a general framework in which any spatially varying crosstalks and varying spatial-spectral correlations can be modeled and factored into the color reproduction. Simulation results show that the proposed technique is highly effective and capable to obtain both high color fidelity and sharp, clean spatial details.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,497
Score d'incertitude au seuil0,814

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,296
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle