論文の概要: Change Detection in Heterogeneous Optical and SAR Remote Sensing Images via Deep Homogeneous Feature Fusion

• arxiv url: http://arxiv.org/abs/2004.03830v1
• Date: Wed, 8 Apr 2020 06:27:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 09:03:10.507470
• Title: Change Detection in Heterogeneous Optical and SAR Remote Sensing Images via Deep Homogeneous Feature Fusion
• Title（参考訳）: 深い均質特徴融合による異種光・sarリモートセンシング画像の変化検出
• Authors: Xiao Jiang, Gang Li, Yu Liu, Xiao-Ping Zhang, You He
• Abstract要約: 本稿では、画像スタイル変換(IST)に基づくDHFF(Deep homogeneous Feature fusion)と呼ばれる新しい同種変換モデルを提案する。 既存の手法とは異なり、DHFF法は異種画像のセマンティック内容とスタイル特徴を分離し、同種変換を行う。 実験により、異種光およびSARリモートセンシング画像における変化検出において、DHFF法が大幅に改善できることが示されている。
• 参考スコア（独自算出の注目度）: 20.152363214309446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Change detection in heterogeneous remote sensing images is crucial for disaster damage assessment. Recent methods use homogenous transformation, which transforms the heterogeneous optical and SAR remote sensing images into the same feature space, to achieve change detection. Such transformations mainly operate on the low-level feature space and may corrupt the semantic content, deteriorating the performance of change detection. To solve this problem, this paper presents a new homogeneous transformation model termed deep homogeneous feature fusion (DHFF) based on image style transfer (IST). Unlike the existing methods, the DHFF method segregates the semantic content and the style features in the heterogeneous images to perform homogeneous transformation. The separation of the semantic content and the style in homogeneous transformation prevents the corruption of image semantic content, especially in the regions of change. In this way, the detection performance is improved with accurate homogeneous transformation. Furthermore, we present a new iterative IST (IIST) strategy, where the cost function in each IST iteration measures and thus maximizes the feature homogeneity in additional new feature subspaces for change detection. After that, change detection is accomplished accurately on the original and the transformed images that are in the same feature space. Real remote sensing images acquired by SAR and optical satellites are utilized to evaluate the performance of the proposed method. The experiments demonstrate that the proposed DHFF method achieves significant improvement for change detection in heterogeneous optical and SAR remote sensing images, in terms of both accuracy rate and Kappa index.
• Abstract（参考訳）: 異種リモートセンシング画像の変化検出は, 災害被害評価に不可欠である。 最近の手法では、不均一な光学およびsarリモートセンシング画像を同じ特徴空間に変換し、変化検出を実現する均質変換を用いる。 このような変換は主に低レベルの特徴空間で動作し、セマンティックな内容が損なわれ、変更検出の性能が低下する可能性がある。 そこで本研究では,画像スタイル変換(IST)に基づくDHFF(Deep homogeneous Feature fusion)と呼ばれる新しい同種変換モデルを提案する。 既存の方法とは異なり、dhff法は、異種画像における意味的内容とスタイル特徴を分離し、均質な変換を行う。 同質な変換における意味内容とスタイルの分離は、特に変化の領域において、画像の意味内容の腐敗を防ぐ。 これにより、高精度な均質変換により検出性能が向上する。 さらに,各ISTイテレーションにおけるコスト関数を計測し,変更検出のための新たな特徴部分空間における特徴の均一性を最大化する反復的IST(IIST)戦略を提案する。 その後、同一特徴空間にある原画像および変換画像に対して、変更検出を精度良く行う。 SARと光学衛星が取得した実リモートセンシング画像を用いて,提案手法の性能評価を行った。 実験により,DHFF法は不均一な光学・SARリモートセンシング画像において,精度とKappa指数の両面で,変化検出の大幅な改善を実現することが示された。

関連論文リスト

• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Novel Change Detection Framework in Remote Sensing Imagery Using Diffusion Models and Structural Similarity Index (SSIM) [0.0]
  変化検出はリモートセンシングにおいて重要な課題であり、環境変化、都市の成長、災害影響のモニタリングを可能にする。 近年の機械学習、特に拡散モデルのような生成モデルの発展は、変化検出精度を高める新たな機会を提供する。 本稿では,安定拡散モデルの強度と構造類似度指数(SSIM)を組み合わせ,頑健で解釈可能な変化マップを作成する新しい変化検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-20T07:54:08Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Multitemporal SAR images change detection and visualization using RABASAR and simplified GLR [5.601249128545687]
  対応する時間画素が同一のルック数(ENL)を持つことを前提として、簡易な一般化可能性比(S_GLR$)法を提案する。 本研究では,RABASARを用いたマルチテンポラリSAR画像デノナイズ法によって得られたデノナイズドデータを用いて,この類似性試験手法を適用し,変化領域の計算に成功した。 また、スペクトルクラスタリングに基づく新しい変化度指数法と改良されたスペクトルクラスタリングに基づく変化分類法を開発した。
  論文  参考訳（メタデータ） (2023-07-15T22:11:34Z)
• DiffUCD:Unsupervised Hyperspectral Image Change Detection with Semantic Correlation Diffusion Model [46.68717345017946]
  ハイパースペクトル画像変化検出(HSI-CD)はリモートセンシングにおいて重要な研究領域となっている。 意味相関拡散モデル(DiffUCD)を用いた新しい教師なしHSI-CDを提案する。 提案手法は,多数のサンプルを必要とする完全教師付き手法に匹敵する結果が得られる。
  論文  参考訳（メタデータ） (2023-05-21T09:21:41Z)
• Image Deblurring by Exploring In-depth Properties of Transformer [86.7039249037193]
  我々は、事前訓練された視覚変換器(ViT)から抽出した深い特徴を活用し、定量的な測定値によって測定された性能を犠牲にすることなく、回復した画像のシャープ化を促進する。 得られた画像と対象画像の変換器特徴を比較することにより、事前学習された変換器は、高解像度のぼやけた意味情報を提供する。 特徴をベクトルとみなし、抽出された画像から抽出された表現とユークリッド空間における対象表現との差を計算する。
  論文  参考訳（メタデータ） (2023-03-24T14:14:25Z)
• Learning Transformations To Reduce the Geometric Shift in Object Detection [60.20931827772482]
  画像キャプチャプロセスの変動から生じる幾何シフトに対処する。 我々は、これらのシフトを最小限に抑えるために幾何変換の集合を学習する自己学習アプローチを導入する。 我々は,カメラの視野変化(FoV)と視点変化(視点変化)の2つの異なるシフトについて,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-01-13T11:55:30Z)
• CD-GAN: a robust fusion-based generative adversarial network for unsupervised remote sensing change detection with heterogeneous sensors [15.284275261487114]
  本稿では、異種光センサが取得した画像を対象とした、教師なしの変更検出手法を提案する。 これは、変更検出タスクを堅牢な融合フレームワークに定式化する最近の進歩に乗じている。 最先端の変更検出手法との比較により,提案手法の有効性と有効性を示す。
  論文  参考訳（メタデータ） (2022-03-02T08:58:06Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)
• Adaptive Local Structure Consistency based Heterogeneous Remote Sensing Change Detection [17.12689361909955]
  異種画像間の適応的局所構造整合性(ALSC)に基づく教師なしの変更検出手法を提案する。 ALSCは、不均一な画像が同じ基底オブジェクトに対して同じ構造情報を共有しているという事実を利用しており、これはモダリティ不変である。 実験結果から, ALSCに基づく変化検出手法の有効性を, 最先端手法との比較により検証した。
  論文  参考訳（メタデータ） (2020-08-29T10:33:43Z)

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。