論文の概要: A Theoretical Analysis of Granulometry-based Roughness Measures on
Cartosat DEMs
- arxiv url: http://arxiv.org/abs/2107.07827v1
- Date: Fri, 16 Jul 2021 11:18:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-19 19:53:44.404875
- Title: A Theoretical Analysis of Granulometry-based Roughness Measures on
Cartosat DEMs
- Title(参考訳): カルトサットDEMのグラニュロメトリーに基づく粗さ対策の理論解析
- Authors: Nagajothi Kannan, Sravan Danda, Aditya Challa, and Daya Sagar B S
- Abstract要約: 数学形態学における多スケールグラニュロメトリーから適応したDEMデータの粗さ測定
MDGI(Multiscale directional Granometric Index)の理論解析について述べる。
提案する特徴は, 下インダス川, ウォーダ川, バーマー川のサブベースの特徴を捉えるものである。
- 参考スコア(独自算出の注目度): 2.113925122479677
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The study of water bodies such as rivers is an important problem in the
remote sensing community. A meaningful set of quantitative features reflecting
the geophysical properties help us better understand the formation and
evolution of rivers. Typically, river sub-basins are analysed using Cartosat
Digital Elevation Models (DEMs), obtained at regular time epochs. One of the
useful geophysical features of a river sub-basin is that of a roughness measure
on DEMs. However, to the best of our knowledge, there is not much literature
available on theoretical analysis of roughness measures. In this article, we
revisit the roughness measure on DEM data adapted from multiscale
granulometries in mathematical morphology, namely multiscale directional
granulometric index (MDGI). This measure was classically used to obtain
shape-size analysis in greyscale images. In earlier works, MDGIs were
introduced to capture the characteristic surficial roughness of a river
sub-basin along specific directions. Also, MDGIs can be efficiently computed
and are known to be useful features for classification of river sub-basins. In
this article, we provide a theoretical analysis of a MDGI. In particular, we
characterize non-trivial sufficient conditions on the structure of DEMs under
which MDGIs are invariant. These properties are illustrated with some
fictitious DEMs. We also provide connections to a discrete derivative of volume
of a DEM. Based on these connections, we provide intuition as to why a MDGI is
considered a roughness measure. Further, we experimentally illustrate on
Lower-Indus, Wardha, and Barmer river sub-basins that the proposed features
capture the characteristics of the river sub-basin.
- Abstract(参考訳): 河川などの水域の研究は、リモートセンシングコミュニティにおいて重要な問題である。
物理特性を反映した有意義な量的特徴は、河川の形成と進化をよりよく理解するのに役立ちます。
通常、河川のサブベースはカルトサット・デジタル標高モデル (Cartosat Digital Elevation Models, DEMs) を用いて解析される。
河川サブベースで有用な地質学的特徴の1つは、DEMの粗さの測定値である。
しかし、我々の知る限りでは、粗さ測定の理論的分析に関する文献はほとんどない。
本稿では,数理形態学における多スケールグラニュロメトリー(MDGI)を応用したDEMデータの粗さ尺度を再検討する。
この尺度は、グレースケール画像の形状解析に古典的に用いられた。
初期の研究において, MDGIは, 特定の方向に沿って河川サブバスンの特徴的な表面粗さを捉えるために導入された。
また, MDGIsを効率的に計算し, 河川サブバスンの分類に有用であることが知られている。
本稿ではMDGIの理論的解析について述べる。
特に、MDGIが不変であるDEMの構造について、非自明な十分条件を特徴づける。
これらの性質は、いくつかの架空のDEMで示される。
また、DEMの体積の離散微分への接続も提供する。
これらの関係に基づき,MDGIを粗さ尺度とみなす理由を直感的に考察する。
さらに,下流域,ウォーダ川,バーマー川サブベースについて,提案手法がサブベースの特性を捉えていることを示す実験を行った。
関連論文リスト
- Towards Interpretable Physical-Conceptual Catchment-Scale Hydrological Modeling using the Mass-Conserving-Perceptron [1.1510009152620668]
本研究では,機械学習技術の捕集規模の水理モデル開発への適用性について検討する。
ゴールは、与えられたキャッチメントの入力状態と出力の振る舞いを説明することができる支配的なプロセスを表す最小限の表現を見つけることである。
3つのセル状態と2つの主要な流れ経路を持つHyModのようなアーキテクチャは、我々の研究位置においてそのような表現を実現する。
論文 参考訳(メタデータ) (2024-01-25T21:26:49Z) - Analysis of tidal flows through the Strait of Gibraltar using Dynamic
Mode Decomposition [0.0]
ジブラルタル海峡(英語: Strait of Gibraltar)は、海洋の複雑な亜海流の特徴を特徴とする地域である。
シミュレーションスナップショットをクープマンモードに分解するために動的モード分解(DMD)を用いる。
DMD解析は、ジブラルタル海峡の流動パターン、内部波の形成、および力学を包括的に理解する。
論文 参考訳(メタデータ) (2023-11-02T16:34:31Z) - Instance Segmentation of Dislocations in TEM Images [0.0]
材料科学において, 転位の位置と移動に関する知識は, 優れた特性を持つ新素材を作成する上で重要である。
本研究では,Mask R-CNNやYOLOv8など,最先端のインスタンスセグメンテーション手法を定量的に比較する。
インスタンスセグメンテーションの結果としての転位マスクは数学的直線に変換され、転位長と幾何の定量的解析が可能となる。
論文 参考訳(メタデータ) (2023-09-07T06:17:31Z) - Geometric Graph Filters and Neural Networks: Limit Properties and
Discriminability Trade-offs [122.06927400759021]
本稿では,グラフニューラルネットワーク (GNN) と多様体ニューラルネットワーク (MNN) の関係について検討する。
これらのグラフ上の畳み込みフィルタとニューラルネットワークが連続多様体上の畳み込みフィルタとニューラルネットワークに収束することを示す。
論文 参考訳(メタデータ) (2023-05-29T08:27:17Z) - Neural Wasserstein Gradient Flows for Maximum Mean Discrepancies with Riesz Kernels [1.3654846342364308]
非滑らかなリース核を持つ最大平均差分関数(MMD)のワッサーシュタイン勾配流は、リッチな構造を示す。
本稿では,ヨルダン,キンデレーア,オットーの逆方向スキームを近似して,ワッサーシュタイン勾配流の計算法を提案する。
ダイラック測度から始まるワッサーシュタインスキームの解析式を提供し、時間ステップサイズがゼロになる傾向にあるときにそれらの収束を示す。
論文 参考訳(メタデータ) (2023-01-27T09:57:36Z) - The Manifold Hypothesis for Gradient-Based Explanations [55.01671263121624]
勾配に基づく説明アルゴリズムは知覚的に整合した説明を提供する。
特徴属性がデータの接する空間と一致しているほど、知覚的に一致している傾向にあることを示す。
説明アルゴリズムは、その説明をデータ多様体と整合させるよう積極的に努力すべきである。
論文 参考訳(メタデータ) (2022-06-15T08:49:24Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳(メタデータ) (2021-11-15T09:08:27Z) - High-resolution rainfall-runoff modeling using graph neural network [0.0]
本研究では,高分解能降水データから空間情報をフル活用する新しい深層学習モデルを提案する。
GNRRMは過度に適合せず、モデル性能を大幅に改善した。
論文 参考訳(メタデータ) (2021-10-21T00:12:02Z) - Simultaneous boundary shape estimation and velocity field de-noising in
Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。
これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。
我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2021-07-16T12:56:09Z) - Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening
Simulations [58.720142291102135]
動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。
本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
論文 参考訳(メタデータ) (2021-04-28T22:14:25Z) - Towards Theoretically Understanding Why SGD Generalizes Better Than ADAM
in Deep Learning [165.47118387176607]
ADAMライクな適応勾配アルゴリズムが、学習速度が速いにもかかわらず、SGDよりも悪い一般化性能に苦しむ理由は不明である。
具体的には,これらのアルゴリズムの勾配雑音の重みを観測する。
論文 参考訳(メタデータ) (2020-10-12T12:00:26Z)
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。