論文の概要: InSAR Phase Denoising: A Review of Current Technologies and Future Directions

• arxiv url: http://arxiv.org/abs/2001.00769v2
• Date: Sat, 19 Dec 2020 08:58:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-14 18:04:55.857944
• Title: InSAR Phase Denoising: A Review of Current Technologies and Future Directions
• Title（参考訳）: InSARフェーズ・デノナイズ:最近の技術動向と今後の方向性
• Authors: Gang Xu, Yandong Gao, Jinwei Li and Mengdao Xing
• Abstract要約: インターフェロメトリ合成開口レーダ(InSAR)は情報取得の強化によるリモートセンシングにおいて強力なツールである。 干渉電図の位相分解は、トポグラフィーマッピングと変形モニタリングの必須ステップである。 本稿では,InSAR位相分解法の概要を概説し,確立されたアルゴリズムと新興アルゴリズムを4つの主要なカテゴリに分類する。
• 参考スコア（独自算出の注目度）: 9.475024122649288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nowadays, interferometric synthetic aperture radar (InSAR) has been a powerful tool in remote sensing by enhancing the information acquisition. During the InSAR processing, phase denoising of interferogram is a mandatory step for topography mapping and deformation monitoring. Over the last three decades, a large number of effective algorithms have been developed to do efforts on this topic. In this paper, we give a comprehensive overview of InSAR phase denoising methods, classifying the established and emerging algorithms into four main categories. The first two parts refer to the categories of traditional local filters and transformed-domain filters, respectively. The third part focuses on the category of nonlocal (NL) filters, considering their outstanding performances. Latter, some advanced methods based on new concept of signal processing are also introduced to show their potentials in this field. Moreover, several popular phase denoising methods are illustrated and compared by performing the numerical experiments using both simulated and measured data. The purpose of this paper is intended to provide necessary guideline and inspiration to related researchers by promoting the architecture development of InSAR signal processing.
• Abstract（参考訳）: 近年,インターフェロメトリ合成開口レーダ(InSAR)は情報取得の強化によってリモートセンシングにおいて強力なツールとなっている。 InSAR処理中、干渉電図の位相分解は、トポグラフィマッピングと変形モニタリングの必須ステップである。 過去30年にわたって、この話題に取り組むために多くの効果的なアルゴリズムが開発されてきた。 本稿では,InSAR位相分解法の概要を概説し,確立されたアルゴリズムと新興アルゴリズムを4つの主要なカテゴリに分類する。 最初の2つの部分は、それぞれ伝統的なローカルフィルタとトランスフォーメーションドメインフィルタのカテゴリを参照している。 第3部は非局所フィルタ(NL)のカテゴリーに着目し、その優れた性能を考慮に入れている。 信号処理の新しい概念に基づく先進的な手法も、この分野でのポテンシャルを示すために導入されている。 さらに,シミュレーションデータと測定データの両方を用いて数値実験を行い,いくつかの一般的な位相分数法を比較した。 本研究の目的は、InSAR信号処理のアーキテクチャ開発を促進することで、関係研究者に必要なガイドラインとインスピレーションを提供することである。

関連論文リスト

• RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
  本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。 まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。 第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。 第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
  論文  参考訳（メタデータ） (2024-09-13T13:53:41Z)
• Vox-UDA: Voxel-wise Unsupervised Domain Adaptation for Cryo-Electron Subtomogram Segmentation with Denoised Pseudo Labeling [29.075757272606868]
  本稿では,Vox-UDAと呼ばれるVoxel-wise unsupervised domain adapt approachをCreo-ETサブトモグラムセグメンテーションに導入する。 Vox-UDAは、ノイズ生成モジュールを組み込んで、ソースデータセットのターゲットのようなノイズをシミュレートし、クロスノイズレベルを適応させる。
  論文  参考訳（メタデータ） (2024-06-25T00:16:57Z)
• Towards Generalizable Deepfake Detection by Primary Region Regularization [52.41801719896089]
  本稿では,新しい正規化の観点から一般化能力を高める。 本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。 5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-07-24T05:43:34Z)
• WNet: A data-driven dual-domain denoising model for sparse-view computed tomography with a trainable reconstruction layer [3.832032989515628]
  スパース・ビュー・アーティファクト・デノナイズのためのトレーニング可能な再構成層を含むデータ駆動型デュアルドメイン・デノナイズ・モデルWNetを提案する。 我々は2つの臨床的に関連のあるデータセットを用いてネットワークをトレーニングし、その結果を3種類のスパースビューCTと再構成アルゴリズムと比較した。
  論文  参考訳（メタデータ） (2022-07-01T13:17:01Z)
• Pre-training via Denoising for Molecular Property Prediction [53.409242538744444]
  本稿では,3次元分子構造の大規模データセットを平衡に利用した事前学習手法について述べる。 近年のノイズレギュラー化の進展に触発されて, 事前学習の目的は, 雑音の除去に基づくものである。
  論文  参考訳（メタデータ） (2022-05-31T22:28:34Z)
• A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
  本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。 得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
  論文  参考訳（メタデータ） (2021-04-19T14:43:07Z)
• Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
  テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。 THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。 本稿では,信号前処理に着目した手法の概要を示す。 また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
  論文  参考訳（メタデータ） (2021-04-09T01:38:34Z)
• Learning Convolutional Sparse Coding on Complex Domain for Interferometric Phase Restoration [22.705150812947537]
  複雑な畳み込みスパース符号化(ComCSC)とその勾配正規化バージョンであるInSAR位相復元のための代替手法を提案する。 提案手法は, 干渉位相ノイズを抑制するだけでなく, 階段効果を回避し, 詳細を保存できる。 TerraSAR-X StripMap と Sentinel-1 インターフェロメトリ・ワイド・スワス・モードから得られた高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能・高分解能)。
  論文  参考訳（メタデータ） (2020-03-06T21:01:44Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)
• CNN-based InSAR Coherence Classification [3.562355298993529]
  畳み込みニューラルネットワーク(CNN)を導入し,コヒーレンスに基づく分類を改善し,非一貫性領域における誤分類を低減する。 トレーニングデータの知的前処理により,コヒーレンスに基づく分類の改善と,非コヒーレント領域における誤分類の低減に有効であることを示す。
  論文  参考訳（メタデータ） (2020-01-20T03:25:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。