MARC

 008260203s2023        us                              c    eng  d
■001000017366002
■00520260209102912
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798265401335
■035    ▼a(MiAaPQ)AAI32316049
■035    ▼a(MiAaPQ)GeorgiaTech72509
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a000
■1001  ▼aBeale,  Kevin.
■24510▼aNovel  Superresolution  Methods  for  Computational  Photography  and  Soil  Moisture  Remote  Sensing
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a184  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Romberg,  Justin.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2023.
■520    ▼aThe  objective  of  this  thesis  is  to  solve  two  real-world  superresolution  problems  of  fundamental  importance:  extending  the  resolutions  of  non-diffraction-limited  imaging  systems,  and  estimating  soil  moisture  globally  at  high  spatiotemporal  resolution.  We  approach  these  problems  as  instances  of  multi-measurement  superresolution  and  single-image  superresolution,  respectively.  For  each,  we  develop  specialized  methods  tailored  to  the  specifics  of  the  application.  To  solve  the  first  problem,  we  augment  a  conventional  imaging  system  with  a  programmable  mask  and  defocused  lens,  allowing  us  to  capture  superresolved  images  beyond  the  resolutions  of  both  mask  and  sensor  by  factors  greater  than  4x  without  the  use  of  mechanical  motion  or  an  image  model.  To  solve  the  second  problem,  we  develop  a  robust  method  for  enhancing  the  spatial  resolution  of  soil  moisture  retrievals  from  NASA's  Soil  Moisture  Active  Passive  (SMAP)  satellite.  This  is  achieved  using  low  rank  modeling  to  both  perform  gap-filling  and  implement  a  resolution  enhancement  method  based  on  learning  relationships  between  dominant  high-resolution  patterns  and  low-resolution  covariates  at  all  locations  globally.
■590    ▼aSchool  code:  0078.
■650  4▼aVegetation
■650  4▼aPrecipitation
■650  4▼aRemote  sensing
■650  4▼aSignal  to  noise  ratio
■650  4▼aRadiometers
■650  4▼aSignal  processing
■650  4▼aClimate  science
■650  4▼aClimate  change
■650  4▼aElectrical  engineering
■650  4▼aMeteorology
■650  4▼aSoil  sciences
■690    ▼a0799
■690    ▼a0800
■690    ▼a0404
■690    ▼a0544
■690    ▼a0557
■690    ▼a0481
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17366002▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서