論文の概要: CNN-based InSAR Denoising and Coherence Metric

• arxiv url: http://arxiv.org/abs/2001.06954v1
• Date: Mon, 20 Jan 2020 03:20:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-08 05:13:35.693192
• Title: CNN-based InSAR Denoising and Coherence Metric
• Title（参考訳）: CNNベースのInSARデノベーションとコヒーレンスメトリクス
• Authors: Subhayan Mukherjee, Aaron Zimmer, Navaneeth Kamballur Kottayil, Xinyao Sun, Parwant Ghuman, Irene Cheng
• Abstract要約: ノイズは衛星で受信されたマイクロ波反射を破損させ、信号のラップされた位相を汚染する。 畳み込みニューラルネットワーク(CNN)を導入し,InSAR画像復調フィルタの学習を行う。 オートエンコーダCNNアーキテクチャのInSAR画像復調フィルタへの応用について述べる。
• 参考スコア（独自算出の注目度）: 4.051689818086047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interferometric Synthetic Aperture Radar (InSAR) imagery for estimating ground movement, based on microwaves reflected off ground targets is gaining increasing importance in remote sensing. However, noise corrupts microwave reflections received at satellite and contaminates the signal's wrapped phase. We introduce Convolutional Neural Networks (CNNs) to this problem domain and show the effectiveness of autoencoder CNN architectures to learn InSAR image denoising filters in the absence of clean ground truth images, and for artefact reduction in estimated coherence through intelligent preprocessing of training data. We compare our results with four established methods to illustrate superiority of proposed method.
• Abstract（参考訳）: 地中を反射するマイクロ波をベースとした地中移動推定のためのインターフェロメトリ合成開口レーダ(InSAR)画像は,リモートセンシングにおいてますます重要になっている。 しかし、ノイズは衛星で受信されたマイクロ波反射を損ね、信号の包み込み位相を汚染する。 本稿では,この問題領域に畳み込みニューラルネットワーク(cnns)を導入し,クリーンな地盤真理画像がない場合のinsar画像デノイジングフィルタ学習と,トレーニングデータのインテリジェントな前処理による推定コヒーレンスのアーティファクト削減のためのオートエンコーダcnnアーキテクチャの有効性を示す。 提案手法の優越性を示す4つの確立した手法と比較した。

関連論文リスト

• Joint Image De-noising and Enhancement for Satellite-Based SAR [0.0]
  合成開口レーダ(SAR)データから再構成した画像は、乗算ノイズと低コントラストレベルに悩まされる。 本稿では,これらの欠点を同時に扱う手法を提案する。 実際、ノイズ除去とコントラスト強化のプロセスを統一されたアルゴリズムに組み合わせる。
  論文  参考訳（メタデータ） (2024-08-06T18:44:16Z)
• Deep Semantic Statistics Matching (D2SM) Denoising Network [70.01091467628068]
  本稿では,Deep Semantic Statistics Matching (D2SM) Denoising Networkを紹介する。 事前訓練された分類ネットワークの意味的特徴を利用して、意味的特徴空間における明瞭な画像の確率的分布と暗黙的に一致させる。 識別画像のセマンティックな分布を学習することで,ネットワークの認知能力を大幅に向上させることを実証的に見出した。
  論文  参考訳（メタデータ） (2022-07-19T14:35:42Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Deep Impulse Responses: Estimating and Parameterizing Filters with Deep Networks [76.830358429947]
  高雑音および地中設定におけるインパルス応答推定は難しい問題である。 本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-07T18:57:23Z)
• New SAR target recognition based on YOLO and very deep multi-canonical correlation analysis [0.1503974529275767]
  本稿では,異なるCNN層から有効な特徴を適応的に融合させることにより,SAR画像ターゲット分類のためのロバストな特徴抽出手法を提案する。 MSTARデータセットの実験により,提案手法が最先端手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-10-28T18:10:26Z)
• Convolutional Deep Denoising Autoencoders for Radio Astronomical Images [0.0]
  我々は、最先端の電波望遠鏡の合成画像に、畳み込み復号化オートエンコーダ(Convolutional Denoising Autoencoder)と呼ばれる機械学習技術を適用した。 我々のオートエンコーダは、器用感度の限界でかすかな物体を識別し、抽出する複雑な画像を効果的に識別することができる。
  論文  参考訳（メタデータ） (2021-10-16T17:08:30Z)
• 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)
• Attention-gated convolutional neural networks for off-resonance correction of spiral real-time MRI [58.11266896200967]
  本稿では,アテンションゲート機構を組み込んだ新しいCNNオフ共振補正手法を提案する。 我々は,既存のオフ共振補正法と比較して,1.5テスラスパイラル音声RT-MRIによるアテンションゲートの性能向上を実証した。
  論文  参考訳（メタデータ） (2021-02-14T23:43:50Z)
• Development and Interpretation of a Neural Network-Based Synthetic Radar Reflectivity Estimator Using GOES-R Satellite Observations [0.02578242050187029]
  本研究は,降雨時のGOES-Rシリーズ観測を再現する技術を開発することを目的とする。 畳み込みニューラルネットワーク(CNN)は、GOES-Rラジダスと雷を合成レーダー反射場に変換するために開発された。
  論文  参考訳（メタデータ） (2020-04-16T19:57:00Z)
• 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。