研究課題/領域番号 |
22K18803
|
研究種目 |
挑戦的研究(萌芽)
|
配分区分 | 基金 |
審査区分 |
中区分21:電気電子工学およびその関連分野
|
研究機関 | 千葉大学 |
研究代表者 |
下馬場 朋禄 千葉大学, 大学院工学研究院, 教授 (20360563)
|
研究期間 (年度) |
2022-06-30 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2023年度: 4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)
2022年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
キーワード | ラインセンサ / イメージング / 深層学習 |
研究開始時の研究の概要 |
本研究は2つのベクトルピクセルイメージング技術を開発する.撮像素子には受光素子が並べられたラインセンサを使用する.前者の研究では,複数回のパターン投影をすることで大画素数の撮影かつ高速撮影が可能なイメージング技術を開発する.後者の研究では,パターン投影を必要としないワンショットで撮影可能なベクトルセンサイメージングを開発する.この研究では,1次元の計測データと正解画像をマッピングするニューラルネットワークを開発する.
|
研究実績の概要 |
本研究はベクトルピクセルイメージングを開発する.撮像素子には受光素子が並べられたラインセンサを使用する.提案手法は従来のイメージングデバイス(CCDやCMOSカメラ)とシングルピクセルイメージングの両方の利点を有する.CCDやCMOSカメラは高解像度撮影を得意とするが,幅広い波長帯や低光量環境下での撮影は苦手とする.フォトダイオードなどの単一受光素子を使用するシングルピクセルイメージングはその逆の特性となる.提案手法は,高解像度の撮影かつ高速撮影が可能であり,幅広い波長帯や低光量環境下での撮影も可能となる.
本年度は、はじめにベクトルピクセルイメージングの原理確認のために、シミュレーションを実施した。シミュレーションでは、物体、拡散板、ラインセンサからなる光学系を想定し、ライン情報を取得し、そのライン情報と元物体の関係を深層ニューラルネットを用いて学習させた。実機でも、同様のことを行い、学習した深層学習ニューラルネットはライン信号から元物体を復元できることを示した。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本年度は、はじめにベクトルピクセルイメージングの原理確認のために、シミュレーションを実施した。シミュレーションでは、物体、拡散板、ラインセンサからなる光学系を想定し、ライン情報を取得し、そのライン情報と元物体の関係を深層ニューラルネットを用いて学習させた。実機でも、同様のことを行い、学習した深層学習ニューラルネットはライン信号から元物体を復元できることを示した。 この内容をもとに、1件の口頭発表及び、1件の海外学術誌に論文が掲載された。
|
今後の研究の推進方策 |
次年度は、より多くの情報をラインセンサで取得できる手法を検討する。具体的には、昨年度は振幅情報のみを取得していたが、位相情報も復元できる手法の構築を行う。また、ローリングシャッタ方式のイメージングセンサが、ラインセンサの組み合わせであるとみなせることを利用した、高速なイメージングシステムの構築を行う。
|