基底抽出を用いて反応拡散系画像の潜在構造を抽出する手法の提案

提出一种使用基提取来提取反应扩散图像中潜在结构的方法

基本信息

批准号：
17J08634
负责人：
坂本浩隆
金额：
$ 1.09万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2017
资助国家：
日本
起止时间：
2017-04-26 至 2019-03-31
项目状态：
已结题

项目摘要

本研究の目的は基底抽出を用いて反応拡散系画像の潜在構造抽出を行う手法の開発である．本年度は拡散系画像およびパラメトリックな画像データの潜在構造抽出に関する理論の構築について研究を行っている．30年度は昨年度に引き続き，MRFモデルを例として深い階層にあるパラメータの推定を効率的に計算する近似アルゴリズムを開発した．ハイパーパラメータ事後分布の空間で近似的なサンプリングを行うことで，計算量を大幅に削減できる．本年度では効果の検証を進め，論文を執筆した．現在英文査読付き雑誌に投稿中である．MRFモデルや反応拡散系データの解析では，ハイパーパラメータの値は画像のグラフ構造に影響を受ける．このグラフ構造もデータから推定する事が可能であり，推定の性能評価は重要な課題である．本年度では，MRFモデルによる画像データのグラフ構造推定の推定精度評価を行った．本研究の成果はIBISML2018および物理学会で発表を行った．さらに，本年度は中性子散乱などで得られる高次元スペクトルデータの解析を進めている．高次元運動量空間中に分布する中性子散乱などの散乱実験データは，ヒストグラムとして強度値を得ることで高次元画像データとみなす事ができる．この画像データは生成過程がモデル化されているため，潜在変数推定を行うことができる．本年度は，人工データに基づいてモデルのパラメータをベイズ推定し，潜在パラメータ推定においてより精度の高いモデル構築方法を検討した．本結果は英文査読付き雑誌への投稿に向け論文を執筆中である．中性子散乱の場合は高次元スペクトルから得られるデータは本来カウントデータである．カウントデータはヒストグラム化され，この際ビン幅，すなわち空間解像度を最適化する必要がある．本研究ではビン幅の最適化手法を提案し人工データによる検証を行った．研究の成果は英文査読付き雑誌に掲載された．

这项研究的目的是开发一种使用基础提取来提取反应扩散系统潜在结构的方法。今年，我们正在研究有关弥漫图像和参数图像数据潜在结构的理论的构建。在2018财政年度，从去年开始，我们开发了一种近似算法，该算法有效地以MRF模型为例，可以有效地计算深层层次结构中参数的估计。通过在高参数后验分布的空间中进行近似采样，可以显着减少计算量。今年，我一直在研究有效性并撰写论文。目前正在订阅一本具有同行评审英语的杂志。在MRF模型和反应扩散数据的分析中，超参数的值受图像的图结构的影响。该图结构也可以从数据中估算，并且估算性能评估是一个重要的问题。在今年，我们评估了使用MRF模型估算图像数据估算图结构的估计精度。这项研究的结果是在IBISML2018和物理协会上提出的。此外，今年我们目前正在分析通过中子散射和其他手段获得的高维光谱数据。通过在高维动量空间中分布的散射实验数据，例如中子散射，可以通过获得强度值作为直方图来视为高维图像数据。此图像数据是在生成过程中建模的，因此可以执行潜在变量估计。今年，我们贝叶斯基于人工数据估算了模型的参数，并检查了一种更准确的模型构建方法，用于估计潜在参数。该结果目前是为同行评审杂志提交论文。在中子散射的情况下，从高维光谱获得的数据最初是计数数据。计数数据是直方图的，有必要优化箱宽度，即空间分辨率。在这项研究中，我们提出了一种垃圾箱宽度优化技术，并使用人工数据对其进行了验证。该研究的结果发表在经过英语的同行评审期刊上。