MétaCan
Menu
Retour à la cohorte
Enregistrement W2727279498 · doi:10.1017/9781316084267.006

Linear Inversion in Fourier Space

2017· book-chapter· en· W2727279498 sur OpenAlexaff
Natalia K. Nikolova

Notice bibliographique

RevueCambridge University Press eBooks · 2017
Typebook-chapter
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésFourier transformSynthetic aperture radarDiscrete-time Fourier transformFrequency domaink-spaceDiffraction tomographyInverse synthetic aperture radarIterative reconstructionMathematicsShort-time Fourier transformFourier analysisComputer scienceComputer visionMathematical analysisRadar imagingRadar

Résumé

récupéré en direct d'OpenAlex

In this chapter, methods for image reconstruction, both qualitative and quantitative, are described that solve a linearized model of scattering in Fourier space. They are referred to as spectral-domain reconstruction methods. In all of these methods, the data sets, which are originally functions of the observation position in real space (e.g., x and y ), are subjected to Fourier transformation. The reconstruction of the object's contrast function is then performed in Fourier space, e.g., with respect to k x and k y (the Fourier variables corresponding to x and y ). This necessitates a final step of an inverse Fourier transform to return the result in real space. This category of reconstruction methods includes MW holography, diffraction tomography, and a great variety of techniques used to produce imagery from synthetic aperture radar (SAR) measurements. The spectral-domain reconstruction methods are well studied. Their greatest advantage is that they are fast, allowing for image generation in real time. Their disadvantage is that, like other linear inversion methods, they are limited to problems where multiplescattering and mutual-coupling effects in the object under test (OUT) can be neglected. They are the workhorse of the real-time MW and millimeter-wave imaging systems with various applications in concealed weapon detection [62, 63, 164, 165, 166], nondestructive testing [167–173], medical-imaging research [174–179], antenna measurements [180, 181], and many other areas. The subject of reconstruction in Fourier space is extensive, and it would be impossible to present it in its entirety here. The goal here is to introduce its basic principles and to give the reader an appreciation for the mathematical beauty of the methodology and its power in real-life applications. MW holography is chosen as the method through which the reader is introduced to the subject. There are several reasons for this choice. First, modern MW holography is akin to SAR reconstruction; in fact, it was developed as an extension of SAR to 3D imaging with data acquired on planes. Thus, it can serve as a sound basis for further studies of the various SAR imaging methods. Second, when applied in a cylindrical coordinate system, MW holography can also be viewed as an extension of diffraction tomography to 3D imaging. Third, MW holography is arguably the most widely used real-time reconstruction method applied to data in the MW and millimeter-wave frequency ranges.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0200,013

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 Opus0,034
Tête enseignante GPT0,193
Écart entre enseignants0,158 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetGeophysics and Gravity MeasurementsTravaux en français237 207