Superresolución angular de campos de luz a partir de aprendizaje profundo de máquina
Mostra/ Apri
Data
2021Direttore
Calderón Bocanegra, Francisco CarlosValutatori
Calderón Bocanegra, Francisco CarlosColorado Montaño, Julián David
Pérez Cequera, Manuel Ricardo
Publishers
Pontificia Universidad Javeriana
facoltà
Facultad de Ingeniería
programma
Ingeniería Electrónica
Titolo ottenuto
Ingeniero (a) Electrónico
Tipo
Tesis/Trabajo de grado - Monografía - Pregrado
Condividi questo record
Citación
Metadata
Mostra tutti i dati dell'item
Documenti PDF
Titolo inglese
Light field angular super resolution via deep machine learningSommario
De cara a esta nueva década, con la convergencia de nuevas tecnologías como el poder computacional, la inteligencia artificial, la robótica, los sensores y las conexiones de mayor velocidad de bits, la ciencia moderna va a protagonizar una extraordinaria transformación global en todas y cada una de las economías que giran en el mundo globalizado, lo que permitirá a la humanidad enfrentarse a retos imposibles hasta hace unos años. A medida que la tecnología crece, la población humana también lo hace, aumentando la necesidad de desarrollar e implementar estrategias científico-tecnológicas para mejorar las variedades agrícolas con el fin de contribuir a la seguridad alimentaria y a la producción sostenible en todo el mundo. Los nuevos macroproyectos pueden ayudar a este fin desarrollando plataformas de bajo coste para el fenotipado multiescala, que implementen información relevante y de alta resolución sobre suelo-planta-atmósfera para medir y cuantificar las variables que afectan a la respuesta de los cultivos al medio ambiente.La tecnología de campos de luz, en convergencia con las técnicas de superresolución basadas en el aprendizaje profundo y los vehículos aéreos no tripulados, puede ser el medio para adquirir en tiempo real la información sobre el terreno acerca de las características fisiológicas de los cultivos a través de la estimación de la profundidad en las escenas 3D sintetizadas por los campos de luz capturados, buscando así anomalías en el fenotipo.Además, las técnicas de super-resolución pueden reducir drásticamente los costes de hardware en el dispositivo de adquisición al eliminar la necesidad de una cámara plenóptica de alta resolución espacial-angular, reduciendo las tasas de datos y haciendo que el sistema sea ideal para un protocolo de comunicación IoT. Este trabajo introducirá un pipeline para aplicar una técnica de super-resolución angular basada en el estado del arte, sobre campos de luz de baja resolución angular capturados con una cámara plenóptica afocal, ya que la resolución en la profundidad medida es proporcional a la resolución angular.El método propuesto se centra en la super-resolución de la resolución espacial de cada matriz de píxeles compuesta por las perspectivas angulares de cada punto espacial en el campo de luz. Finalmente, se realiza una comparación contra las interpolaciones tradicionales de bajo coste, como la interpolación del vecino más cercano, la bicúbica y la de Lanczos, siendo el modelo propuesto el que muestra mejores resultados en la relación señal/ruido de pico evaluada entre las imágenes originales de subapertura de los campos de luz de la verdad terrestre y las imágenes de subapertura sintetizadas de los campos de luz superresueltos angulares a partir de un conjunto de datos de validación construido con campos de luz capturados en plantas por una cámara plenóptica afocal de primera generación.
Astratto
Ahead into this new decade, with the convergence of new technologies such as computing power,
artificial intelligence, robotics, sensors and higher bit rate connections, the modern science will
lead an extraordinary global transformation in every single economy that turn on the globalized
world, affording humanity to face impossible challenges from few years ago. As technology grows,
the human population grows as well, heightening the need for develop and implement scientifictechnological strategies to improve agricultural varieties in order to contribute to food security
and sustainable production worldwide. New macro-projects can help this end by developing
low-cost platforms for multiscale phenotyping, which implement relevant and high-resolution
information on soil-plant-atmosphere to measure and quantify the variables that affect the response of crops to the environment. Light field technology, in convergence with deep learning
based super-resolution techniques and unmanned aerial vehicles, can be the medium to acquire
in real time the on field information about the physiological characteristics of the crops via depth
estimation in the 3D scenes synthesized by the captured light fields, hence searching for anomalies in the phenotype. Moreover, super-resolution techniques can drastically reduce the hardware
costs in the acquisition device by eliminating the need of a high spatial-angular resolution plenoptic camera, reducing data rates and making the system ideal for an IoT communication protocol.
This work will introduce a pipeline to apply an angular super-resolution technique based on art
state, over low angular resolution light fields captured with an afocal plenoptic camera, since
the resolution in the depth measured is proportional to the angular resolution. The proposed
method focuses on super-resolve the spatial resolution of each matrix of pixels composed by the
angular perspectives of each spatial point in the light field. Furthermore, a comparison is made
against the traditional low-cost interpolations, such as nearest neighbour, bicubic and Lanczos
interpolation, being the proposed model the one showing better results in the peak signal to
noise ratio evaluated between the original sub-aperture images of the ground truth light fields
and the synthesized sub-aperture images of the angular super-resolved light fields from a validation dataset built with light fields captured in plants by an afocal first generation plenoptic
camera
Tema
Ingeniería electrónica - Tesis y disertaciones académicasAprendizaje de máquinas
Inteligencia artificial
Google Analytics Statistics
Collections
- Ingeniería Electrónica [550]