論文の概要: Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of
Satellite Images
- arxiv url: http://arxiv.org/abs/2008.00878v1
- Date: Mon, 3 Aug 2020 13:55:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-03 06:31:08.123904
- Title: Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of
Satellite Images
- Title(参考訳): 衛星画像の高速超解像のための深部・非深部法の融合
- Authors: Gaurav Kumar Nayak, Saksham Jain, R Venkatesh Babu, Anirban
Chakraborty
- Abstract要約: 本研究は,超解像(SR)による画質向上により,画質と価格のギャップを埋めることを提案する。
低解像度画像の各パッチの地域情報内容を解析するSRフレームワークを設計する。
本研究では,既存の深部SR法と同等の性能を示しながら,推定時間を大幅に減少させることを示した。
- 参考スコア(独自算出の注目度): 54.44842669325082
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the emerging commercial space industry there is a drastic increase in
access to low cost satellite imagery. The price for satellite images depends on
the sensor quality and revisit rate. This work proposes to bridge the gap
between image quality and the price by improving the image quality via
super-resolution (SR). Recently, a number of deep SR techniques have been
proposed to enhance satellite images. However, none of these methods utilize
the region-level context information, giving equal importance to each region in
the image. This, along with the fact that most state-of-the-art SR methods are
complex and cumbersome deep models, the time taken to process very large
satellite images can be impractically high. We, propose to handle this
challenge by designing an SR framework that analyzes the regional information
content on each patch of the low-resolution image and judiciously chooses to
use more computationally complex deep models to super-resolve more
structure-rich regions on the image, while using less resource-intensive
non-deep methods on non-salient regions. Through extensive experiments on a
large satellite image, we show substantial decrease in inference time while
achieving similar performance to that of existing deep SR methods over several
evaluation measures like PSNR, MSE and SSIM.
- Abstract(参考訳): 新興の商用宇宙産業では、低コストの衛星画像へのアクセスが大幅に増加している。
衛星画像の価格は、センサーの品質と再訪率に依存する。
本研究は,高解像度(SR)による画質向上により,画質と価格のギャップを埋めることを提案する。
近年,衛星画像を強化するための深層sr技術が提案されている。
しかし、これらの方法はいずれも領域レベルのコンテキスト情報を使用しず、画像の各領域に等しく重要となる。
このことは、ほとんどの最先端のSR手法が複雑で面倒な深層モデルであるため、非常に大きな衛星画像を処理するのに要する時間は不可分に高い。
本稿では,低解像度画像の各パッチ上の地域情報内容を分析し,より複雑な深層モデルを用いて画像上のより構造豊かな領域を超解き,非塩領域における資源集約的非深層メソッドを少なくするsrフレームワークを設計することで,この問題に対処することを提案する。
大規模な衛星画像に対する広範囲な実験により,PSNR,MSE,SSIMなどのいくつかの評価尺度において,既存の深部SR法と同等の性能を示しながら,推測時間の大幅な減少を示す。
関連論文リスト
- Fast Satellite Tensorial Radiance Field for Multi-date Satellite Imagery
of Large Size [0.76146285961466]
既存の衛星画像のNeRFモデルは、速度が遅いこと、入力として太陽情報を必要とすること、大きな衛星画像を扱う際の制限に悩まされている。
そこで本研究では,衛星画像の規模を小さくしながら,全過程を著しく加速するサテンソRFについて述べる。
論文 参考訳(メタデータ) (2023-09-21T04:00:38Z) - HRFNet: High-Resolution Forgery Network for Localizing Satellite Image
Manipulation [16.668334854459143]
既存の高解像度衛星画像フォージェリーローカライゼーション手法は、パッチベースまたはダウンサンプリングベースのトレーニングに依存している。
本研究では,衛星画像の偽位置推定を効果的に行うため,HRFNetと呼ばれる新しいモデルを提案する。
論文 参考訳(メタデータ) (2023-07-20T17:33:57Z) - Effectivity of super resolution convolutional neural network for the
enhancement of land cover classification from medium resolution satellite
images [0.0]
超解像畳み込みニューラルネットワーク(SRCNN)は、確立された認識方法の下でも、画素の誤分類の可能性を小さくする。
本研究では,サンダーバンの異なる領域のLANDSAT-7画像と,バイリンarvolution,バイコビック,SRCNNによるアップスケールバージョンについて検討した。
論文 参考訳(メタデータ) (2022-07-05T20:48:03Z) - Hierarchical Similarity Learning for Aliasing Suppression Image
Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。
HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文 参考訳(メタデータ) (2022-06-07T14:55:32Z) - Spatial-Temporal Super-Resolution of Satellite Imagery via Conditional
Pixel Synthesis [66.50914391487747]
高精度な高解像度画像を生成するために,高解像度の高解像度画像を用いた条件付き画素合成モデルを提案する。
我々は,本モデルにおいて,オブジェクトカウントという重要なダウンストリームタスクにおいて,フォトリアリスティックなサンプル品質を実現し,競合するベースラインを上回っていることを示す。
論文 参考訳(メタデータ) (2021-06-22T02:16:24Z) - Unsupervised Remote Sensing Super-Resolution via Migration Image Prior [12.728430583409997]
低解像度・高分解能の画像ペアを使わずに超解像タスクを実現する新しい非監視学習フレームワーク「MIP」を提案する。
本論文では,MIPが定量的および定性的に最先端の手法よりも有意な改善を達成できることを示した。
論文 参考訳(メタデータ) (2021-05-08T03:29:35Z) - Kernel Agnostic Real-world Image Super-resolution [82.3963188538938]
実世界のイメージSR問題に対処するための新しいカーネル非依存SRフレームワークを紹介します。
提案手法では,劣化カーネルとノイズは明示的に指定するのではなく適応的にモデル化される。
実験は、複数の実世界のデータセットにおける提案フレームワークの有効性を検証する。
論文 参考訳(メタデータ) (2021-04-19T01:51:21Z) - Super-Resolving Beyond Satellite Hardware Using Realistically Degraded
Images [0.23090185577016442]
現実のリモートセンシングペイロードにおける深部SRの利用可能性について,現実的に劣化した衛星画像の再構築におけるSR性能を評価することにより検証する。
本研究では, 強調深度超分解能ネットワーク(EDSR)と呼ばれる最先端のSR技術により, 地上サンプリング距離の低い画像の符号化画素データを復元できることを実証した。
論文 参考訳(メタデータ) (2021-03-10T00:20:33Z) - Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。
監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。
ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
論文 参考訳(メタデータ) (2020-12-18T08:25:39Z) - HighRes-net: Recursive Fusion for Multi-Frame Super-Resolution of
Satellite Imagery [55.253395881190436]
MFSR(Multi-frame Super-Resolution)は、問題に対するより根底的なアプローチを提供する。
これは、地球上の人間の影響を衛星で観測する上で重要である。
我々は,MFSRにおける最初のディープラーニングアプローチであるHighRes-netを紹介し,そのサブタスクをエンドツーエンドで学習する。
論文 参考訳(メタデータ) (2020-02-15T22:17:47Z)
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。