論文の概要: Automatically eliminating seam lines with Poisson editing in complex
relative radiometric normalization mosaicking scenarios
- arxiv url: http://arxiv.org/abs/2106.07441v1
- Date: Mon, 14 Jun 2021 14:06:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-15 16:23:22.951012
- Title: Automatically eliminating seam lines with Poisson editing in complex
relative radiometric normalization mosaicking scenarios
- Title(参考訳): 複素相対ラジオメトリック正規化モザイク化シナリオにおけるポアソン編集によるシーム線の自動除去
- Authors: Shiqi Liu, Jie Lian, Xuchen Zhan, Cong Liu, Yuze Tian, Hongwei Duan
- Abstract要約: 下流作業には相対ラジオメトリック正規化(RRN)モザイクが不可欠である。
モザイク境界にはしばしばシーム線があり、特に複雑なシナリオではラジオメトリックコントラストが残っている。
本稿では,複雑なRCNモザイクシナリオにおいて,シームラインを除去するための新しい自動アプローチを示す。
- 参考スコア(独自算出の注目度): 3.9163446101816146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Relative radiometric normalization (RRN) mosaicking among multiple remote
sensing images is crucial for the downstream tasks, including map-making, image
recognition, semantic segmentation, and change detection. However, there are
often seam lines on the mosaic boundary and radiometric contrast left,
especially in complex scenarios, making the appearance of mosaic images
unsightly and reducing the accuracy of the latter classification/recognition
algorithms. This paper renders a novel automatical approach to eliminate seam
lines in complex RRN mosaicking scenarios. It utilizes the histogram matching
on the overlap area to alleviate radiometric contrast, Poisson editing to
remove the seam lines, and merging procedure to determine the normalization
transfer order. Our method can handle the mosaicking seam lines with arbitrary
shapes and images with extreme topological relationships (with a small
intersection area). These conditions make the main feathering or blending
methods, e.g., linear weighted blending and Laplacian pyramid blending,
unavailable. In the experiment, our approach visually surpasses the automatic
methods without Poisson editing and the manual blurring and feathering method
using GIMP software.
- Abstract(参考訳): 複数のリモートセンシング画像間の相対ラジオメトリック正規化(RRN)モザイクは、地図作成、画像認識、セマンティックセグメンテーション、変化検出などの下流タスクに不可欠である。
しかし、モザイク境界と放射能コントラストには、特に複雑なシナリオでは、しばしばシーム線があり、モザイク画像の出現を不明瞭にし、後者の分類/認識アルゴリズムの精度を低下させる。
本稿では,複雑なRCNモザイクシナリオにおいて,シームラインを除去するための新しい自動アプローチを示す。
重なり領域のヒストグラムマッチングを利用して放射能コントラストを緩和し、ポアソン編集によりシーム線を除去し、マージ手順により正規化転送順序を決定する。
提案手法では, 任意の形状のモザイク線と, 極端に位相的関係のある画像(交叉面積が小さい)を扱える。
これらの条件により、線形重み付きブレンディングやラプラシアピラミッドブレンディングなど、主な羽毛やブレンディング方法が利用できない。
実験では,Poisson編集やGIMPソフトウェアを用いた手作業のぼやけや羽化を伴わない自動手法を視覚的に超えた。
関連論文リスト
- OsmLocator: locating overlapping scatter marks with a non-training
generative perspective [48.50108853199417]
重複するマークの配置には、テクスチャの欠如、文脈の少ない情報、ハロー形状、小さなサイズなど、多くの困難がある。
ここでは、クラスタリングに基づく再視覚化の最適化問題として、非学習的生成の観点から定式化する。
特に,異なるマーカーと様々な重なり合いの重なり合いを持つ何百もの散乱画像を含む2023というデータセットを構築し,提案手法を既存の手法と比較した。
論文 参考訳(メタデータ) (2023-12-18T12:39:48Z) - DiffusionMat: Alpha Matting as Sequential Refinement Learning [87.76572845943929]
DiffusionMatは、粗いアルファマットから洗練されたアルファマットへの移行に拡散モデルを利用する画像マッチングフレームワークである。
補正モジュールは、各復調ステップで出力を調整し、最終的な結果が入力画像の構造と一致していることを保証する。
その結果,DiffusionMatは既存の手法よりも優れていたことが示唆された。
論文 参考訳(メタデータ) (2023-11-22T17:16:44Z) - Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer
for Exposure Correction [65.5397271106534]
単一のニューラルネットワークは、すべての露光問題に対処することが難しい。
特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。
本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
論文 参考訳(メタデータ) (2023-09-02T09:07:36Z) - Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。
新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。
増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
論文 参考訳(メタデータ) (2023-08-10T12:53:30Z) - Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。
まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。
本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
論文 参考訳(メタデータ) (2023-02-16T10:40:55Z) - Difference of Anisotropic and Isotropic TV for Segmentation under Blur
and Poisson Noise [2.6381163133447836]
画像をスムーシング・アンド・スレッディング(SaT)セグメンテーションフレームワークを採用して、スムースなソリューションを見つけ、次に$k-meansで画像のセグメンテーションを行う。
具体的には、画像平滑化ステップにおいて、ムムフォードシャーモデルの最大雑音を正則化として、異方性全変動(AITV)の最大変動に置き換える。
スキームの有効性を検証するための収束解析が提供される。
論文 参考訳(メタデータ) (2023-01-06T01:14:56Z) - Deep Uncalibrated Photometric Stereo via Inter-Intra Image Feature
Fusion [17.686973510425172]
本稿では, 深部非校正光度ステレオの新しい手法を提案する。
画像間表現を効率的に利用し、正規推定を導出する。
本手法は, 合成データと実データの両方において, 最先端の手法よりも有意に優れた結果が得られる。
論文 参考訳(メタデータ) (2022-08-06T03:59:54Z) - Automatic Registration of Images with Inconsistent Content Through
Line-Support Region Segmentation and Geometrical Outlier Removal [17.90609572352273]
本稿では,線支持領域分割と幾何外乱除去(ALRS-GOR)による自動画像登録手法を提案する。
アフィン変形と矛盾した内容を含む画像の登録に関する問題に対処するように設計されている。
提案手法の評価には,アフィン変形を模擬した空中画像など,様々な画像セットが検討されている。
論文 参考訳(メタデータ) (2022-04-02T10:47:16Z) - Image Inpainting with Edge-guided Learnable Bidirectional Attention Maps [85.67745220834718]
不規則な穴の画像インペインティングを改善するためのエッジガイド学習可能な双方向注意マップ(Edge-LBAM)を紹介します。
当社のEdge-LBAMメソッドには、予測エッジによる構造認識マスク更新を含むデュアルプロシージャが含まれています。
広範な実験により,エッジlbamはコヒーレントな画像構造を生成し,色差やぼやけを防止できることがわかった。
論文 参考訳(メタデータ) (2021-04-25T07:25:16Z)
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。