| Titre : | Model based Deep Learning for computational imaging : application to robust multimodal 3D imaging |
| Auteurs : | Ouarda Mekerri, Auteur ; Ilhem Meroua Kaci, Auteur ; Abderrahim Halimi, Directeur de thèse ; Taghi, Mohamed Oussaid, Directeur de thèse |
| Type de document : | document électronique |
| Editeur : | [S.l.] : [s.n.], 2025 |
| Format : | 1 fichier PDF (14 Mo) |
| Note générale : |
Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Electronique : Alger, École Nationale Polytechnique : 2025 Bibliogr. p. 93-95 |
| Langues : | Anglais |
| Index. décimale : | PN00925 |
| Tags : | Depth map Point cloud Single photon Lidar Dtof Robust Photon sparsity |
| Résumé : |
3D imaging is critical in applications requiring precise spatial detail. Among available technologies, LiDAR sensors are particularly prized for their accuracy and reliability. However, in realistic conditions, their performance is usually compromised by photon noise and sparse, low-resolution measurements.
To overcome these limitations, we introduce a deep learning approach with multiscale processing to produce high-quality depth reconstructions despite low-quality input data. Tested on simulated LiDAR datasets, the method has notable improvements in accuracy and robustness. |
Exemplaires (1)
| Cote | Support | Localisation | Section | Disponibilité | Spécialité | Etat_Exemplaire |
|---|---|---|---|---|---|---|
| PN00925 | Ressources électroniques | Bibliothèque centrale | Projet Fin d'Etudes | Disponible | Electronique | Téléchargeable |
