論文の概要: Fully Polarimetric SAR and Single-Polarization SAR Image Fusion Network
- arxiv url: http://arxiv.org/abs/2107.08355v1
- Date: Sun, 18 Jul 2021 03:51:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-20 14:45:27.646756
- Title: Fully Polarimetric SAR and Single-Polarization SAR Image Fusion Network
- Title（参考訳）: 完全偏光SARと単磁化SAR画像融合ネットワーク
- Authors: Liupeng Lin, Jie Li, Huanfeng Shen, Lingli Zhao, Qiangqiang Yuan,
Xinghua Li
- Abstract要約: 完全偏光合成開口レーダ(PolSAR)と単偏光合成開口レーダSAR(SinSAR)画像融合ネットワークを提案する。
偏光分解と偏光シグネチャの実験は、偏光情報がよく維持されていることを示している。
- 参考スコア（独自算出の注目度）: 8.227845719405051
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The data fusion technology aims to aggregate the characteristics of different
data and obtain products with multiple data advantages. To solves the problem
of reduced resolution of PolSAR images due to system limitations, we propose a
fully polarimetric synthetic aperture radar (PolSAR) images and
single-polarization synthetic aperture radar SAR (SinSAR) images fusion network
to generate high-resolution PolSAR (HR-PolSAR) images. To take advantage of the
polarimetric information of the low-resolution PolSAR (LR-PolSAR) image and the
spatial information of the high-resolution single-polarization SAR (HR-SinSAR)
image, we propose a fusion framework for joint LR-PolSAR image and HR-SinSAR
image and design a cross-attention mechanism to extract features from the joint
input data. Besides, based on the physical imaging mechanism, we designed the
PolSAR polarimetric loss function for constrained network training. The
experimental results confirm the superiority of fusion network over traditional
algorithms. The average PSNR is increased by more than 3.6db, and the average
MAE is reduced to less than 0.07. Experiments on polarimetric decomposition and
polarimetric signature show that it maintains polarimetric information well.
- Abstract（参考訳）: データ融合技術は、異なるデータの特徴を集約し、複数のデータ利点を持つ製品を得ることを目的としている。
システム制限によるPolSAR画像の分解能の低下を解決するため,高分解能PolSAR(HR-PolSAR)画像を生成するために,完全偏光合成開口レーダ(PolSAR)画像と単偏光合成開口レーダ(SinSAR)画像融合ネットワークを提案する。
低分解能PolSAR(LR-PolSAR)画像の偏光情報と高分解能単一偏光SAR(HR-SinSAR)画像の空間情報を利用するため、関節型LR-PolSAR画像とHR-SinSAR画像の融合フレームワークを提案し、関節型入力データから特徴を抽出するクロスアテンション機構を設計する。
また,この物理イメージング機構に基づいて,制約付きネットワークトレーニングのためのPolSAR偏光損失関数を設計した。
実験の結果,従来のアルゴリズムよりも核融合ネットワークが優れていることが確認された。
平均PSNRは3.6db以上増加し、平均MAEは0.07以下に低下する。
偏光分解と偏光シグネチャの実験は、偏光情報がよく維持されていることを示している。
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) - Conditional Brownian Bridge Diffusion Model for VHR SAR to Optical Image Translation [5.578820789388206]
本稿では,Brownian Bridge Diffusion Model(BBDM)に基づく条件付き画像から画像への変換手法を提案する。
我々は、MSAWデータセット、ペアSAR、0.5m Very-High-Resolution (VHR) の光学画像収集に関する総合的な実験を行った。
論文 参考訳（メタデータ） (2024-08-15T05:43:46Z) - SDF2Net: Shallow to Deep Feature Fusion Network for PolSAR Image
Classification [1.2349871196144497]
畳み込みニューラルネットワーク(CNN)は, PolSAR画像の特徴を捉える上で重要な役割を担っている。
本研究では,PolSAR画像分類において,Shallow to Deep Feature Fusion Network (SDF2Net) と呼ばれる複素数値CNNの3分岐融合を提案する。
その結果、提案手法は全体的な精度の向上を示し、AIRSARデータセットは1.3%、0.8%、ESARデータセットは0.5%向上した。
論文 参考訳（メタデータ） (2024-02-27T16:46:21Z) - PolMERLIN: Self-Supervised Polarimetric Complex SAR Image Despeckling
with Masked Networks [2.580765958706854]
脱スペックリングは合成開口レーダ(SAR)画像の品質向上に重要なノイズ低減タスクである。
既存の方法は単一偏光画像のみを扱うため、現代の衛星が捉えた多重偏光画像は扱えない。
本稿では,分極関係を利用したチャネルマスキング手法を提案する。
論文 参考訳（メタデータ） (2024-01-15T07:06:36Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳（メタデータ） (2023-07-26T07:45:14Z) - Super-Resolution by Predicting Offsets: An Ultra-Efficient
Super-Resolution Network for Rasterized Images [47.684307267915024]
コンピュータグラフィックスのためのリアルタイムSRの新しい手法、すなわち予測オフセット(SRPO)による超解法を提案する。
我々のアルゴリズムは、画像を処理のために2つの部分、すなわちシャープエッジとフラットな領域に分割する。
実験により,提案したSRPOは既存の最先端手法よりも少ない計算コストで優れた視覚効果が得られることが示された。
論文 参考訳（メタデータ） (2022-10-09T08:16:36Z) - The QXS-SAROPT Dataset for Deep Learning in SAR-Optical Data Fusion [14.45289690639374]
QXS-SAROPTデータセットを公開し、SAR-オプティカルデータ融合におけるディープラーニング研究を促進します。
光学画像からのクロスモーダル情報によって強化されたSAR光画像マッチングとSAR船舶検出の2つの代表的な用途の例を示す。
論文 参考訳（メタデータ） (2021-03-15T10:22:46Z) - Boosting Image Super-Resolution Via Fusion of Complementary Information
Captured by Multi-Modal Sensors [21.264746234523678]
イメージスーパーレゾリューション(sr)は、低解像度光センサの画質を向上させる有望な技術である。
本稿では,安価なチャネル(可視・深度)からの補完情報を活用して,少ないパラメータを用いて高価なチャネル(熱)の画像品質を向上させる。
論文 参考訳（メタデータ） (2020-12-07T02:15:28Z) - Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。
レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。
実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文 参考訳（メタデータ） (2020-09-30T19:01:33Z) - Hyperspectral Image Super-resolution via Deep Progressive Zero-centric
Residual Learning [62.52242684874278]
空間情報とスペクトル情報の相互モダリティ分布が問題となる。
本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。
本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
論文 参考訳（メタデータ） (2020-06-18T06:32:11Z) - Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral
Imagery [79.69449412334188]
本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。
本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。
実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
論文 参考訳（メタデータ） (2020-05-18T14:25:50Z)
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。