論文の概要: Improving Co-registration for Sentinel-1 SAR and Sentinel-2 Optical
images
- arxiv url: http://arxiv.org/abs/2005.11092v2
- Date: Mon, 14 Jun 2021 07:52:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 09:44:23.110084
- Title: Improving Co-registration for Sentinel-1 SAR and Sentinel-2 Optical
images
- Title（参考訳）: Sentinel-1 SARとSentinel-2光画像の共登録の改善
- Authors: Yuanxin Ye, Chao Yang, Bai Zhu, Youquan He, and Huarong Jia
- Abstract要約: センチネル-1 SARとセンチネル2の光学画像の間には明らかに誤登録のシフトがある。
本稿では,2種類の画像の高速かつ効率的な登録方法を提案する。
- 参考スコア（独自算出の注目度）: 3.1647288800286657
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Co-registering the Sentinel-1 SAR and Sentinel-2 optical data of European
Space Agency (ESA) is of great importance for many remote sensing applications.
However, we find that there are evident misregistration shifts between the
Sentinel-1 SAR and Sentinel-2 optical images that are directly downloaded from
the official website. To address that, this paper presents a fast and effective
registration method for the two types of images. In the proposed method, a
block-based scheme is first designed to extract evenly distributed interest
points. Then the correspondences are detected by using the similarity of
structural features between the SAR and optical images, where the three
dimension (3D) phase correlation (PC) is used as the similarity measure for
accelerating image matching. Finally, the obtained correspondences are employed
to measure the misregistration shifts between the images. Moreover, to
eliminate the misregistration, we use some representative geometric
transformation models such as polynomial models, projective models, and
rational function models for the co-registration of the two types of images,
and compare and analyze their registration accuracy under different numbers of
control points and different terrains. Six pairs of the Sentinel-1 SAR L1 and
Sentinel-2 optical L1C images covering three different terrains are tested in
our experiments. Experimental results show that the proposed method can achieve
precise correspondences between the images, and the 3rd. Order polynomial
achieves the most satisfactory registration results. Its registration accuracy
of the flat areas is less than 1.0 10m pixels, and that of the hilly areas is
about 1.5 10m pixels, and that of the mountainous areas is between 1.7 and 2.3
10m pixels, which significantly improves the co-registration accuracy of the
Sentinel-1 SAR and Sentinel-2 optical images.
- Abstract（参考訳）: 欧州宇宙機関(ESA)のSentinel-1 SARとSentinel-2の光学データの共同登録は、多くのリモートセンシングアプリケーションにとって非常に重要である。
しかし、公式ウェブサイトから直接ダウンロードされたSentinel-1 SARとSentinel-2の光学画像の間には、明らかに誤登録がある。
そこで本研究では,2種類の画像の高速かつ効率的な登録方法を提案する。
提案手法では,最初に均等に分布する利子点を抽出するブロックベーススキームを考案した。
次に、3次元(3d)位相相関(pc)を画像マッチングの高速化のための類似度尺度として用いることで、sarと光学画像との間の構造的特徴の類似性を用いて対応を検出する。
最後に、得られた対応を用いて画像間の誤登録シフトを測定する。
さらに、この誤登録を解消するために、多項式モデル、射影モデル、有理関数モデルなどの代表的な幾何学的変換モデルを用いて、2種類の画像の共登録を行い、異なる制御点と異なる地形下でそれらの登録精度を比較し分析する。
実験では,3つの異なる地形をカバーするSentinel-1 SAR L1とSentinel-2光L1C画像の6対を試験した。
実験の結果,提案手法は画像と第3画像の正確な対応を実現できることがわかった。
順序多項式は最も満足な登録結果を達成する。
平坦領域の登録精度は1.010m未満であり、丘陵領域の登録精度は約1.510mであり、山岳領域の登録精度は1.7から2.310mであり、センチネル-1 SARとセンチネル-2の光学画像の共存精度を大幅に向上させる。
関連論文リスト
- L1BSR: Exploiting Detector Overlap for Self-Supervised Single-Image
Super-Resolution of Sentinel-2 L1B Imagery [14.233972890133769]
高解像度衛星画像は、多くの地球観測アプリケーションにとって重要な要素である。
信頼性の高い高解像度基底真理の欠如は、このタスクへのディープラーニング手法の適用を制限する。
L1BSRは,Sentinel-2 L1B 10m帯の単一像超解像およびバンドアライメントのための深層学習に基づく手法である。
論文 参考訳（メタデータ） (2023-04-14T00:17:57Z) - Breaking Modality Disparity: Harmonized Representation for Infrared and
Visible Image Registration [66.33746403815283]
シーン適応型赤外線と可視画像の登録を提案する。
我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。
我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
論文 参考訳（メタデータ） (2023-04-12T06:49:56Z) - A Large Scale Homography Benchmark [52.55694707744518]
1DSfMデータセットから10万枚の画像から約1000個の平面が観測された3D, Pi3Dの平面の大規模データセットを示す。
また,Pi3Dを利用した大規模ホモグラフィ推定ベンチマークであるHEBを提案する。
論文 参考訳（メタデータ） (2023-02-20T14:18:09Z) - CorrI2P: Deep Image-to-Point Cloud Registration via Dense Correspondence [51.91791056908387]
我々は,CorrI2Pと呼ばれる画像間クラウドの登録問題に対処するための,機能に基づく最初の高密度対応フレームワークを提案する。
具体的には、3次元の点雲の前に2次元画像が1対あるとすると、まずそれらを高次元の特徴空間に変換し、特徴を対称的に重なり合う領域に変換して、画像点雲が重なり合う領域を決定する。
論文 参考訳（メタデータ） (2022-07-12T11:49:31Z) - On Learning the Invisible in Photoacoustic Tomography with Flat
Directionally Sensitive Detector [0.27074235008521236]
本稿では,センサの入射波面方向に対する感度の変化に起因する第2のタイプに着目した。
画像領域とデータ領域における可視範囲は、波面方向マッピングによって関連付けられる。
我々は、高速な近似演算子と調整された深層ニューラルネットワークアーキテクチャを最適に組み合わせて、効率的な学習的再構成手法を提案する。
論文 参考訳（メタデータ） (2022-04-21T09:57:01Z) - A Robust Multimodal Remote Sensing Image Registration Method and System
Using Steerable Filters with First- and Second-order Gradients [7.813406811407584]
非線形ラジオメトリック差(NRD)と有意な幾何学的歪みのため,マルチモーダルリモートセンシング画像の同時登録は現在も進行中の課題である。
本稿では,2つの重要なステップからなるステアブルフィルタに基づくロバストマッチング手法を提案する。
提案手法の性能を多種類のマルチモーダルRS画像を用いて評価した。
論文 参考訳（メタデータ） (2022-02-27T12:22:42Z) - Robust Registration of Multimodal Remote Sensing Images Based on
Structural Similarity [11.512088109547294]
本稿では,Histogram of Orientated Phase Congruency (HOPC) という特徴記述子を提案する。
HOPCはイメージの構造特性に基づいています。
HOPCnccという類似度メトリックが定義され、マルチモーダル登録のためにHOPCディスクリプタの正規化相関係数(NCC)を使用する。
論文 参考訳（メタデータ） (2021-03-31T07:51:21Z) - Supervision by Registration and Triangulation for Landmark Detection [70.13440728689231]
本稿では,マルチビュー映像を用いた教師なし手法である登録・三角測量(srt)による監視を行い,ランドマーク検出器の精度と精度を向上させる。
ラベルのないデータを活用することで、検出者は大量のラベルのないデータから自由に学べる。
論文 参考訳（メタデータ） (2021-01-25T02:48:21Z) - Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor
Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。
提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文 参考訳（メタデータ） (2021-01-12T12:02:26Z) - Fast and Robust Registration of Aerial Images and LiDAR data Based on
Structrual Features and 3D Phase Correlation [6.3812295314207335]
本稿では,構造的特徴と3次元位相相関に基づく自動登録手法を提案する。
空中画像とLiDARデータの2つのデータセットを用いて実験したところ、提案手法は最先端の手法よりもはるかに高速で堅牢であることがわかった。
論文 参考訳（メタデータ） (2020-04-21T08:19:56Z) - Multi-View Photometric Stereo: A Robust Solution and Benchmark Dataset
for Spatially Varying Isotropic Materials [65.95928593628128]
多視点光度ステレオ技術を用いて3次元形状と空間的に異なる反射率の両方をキャプチャする手法を提案する。
我々のアルゴリズムは、遠近点光源と遠近点光源に適している。
論文 参考訳（メタデータ） (2020-01-18T12:26:22Z)
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。