論文の概要: A Matching Algorithm based on Image Attribute Transfer and Local
Features for Underwater Acoustic and Optical Images
- arxiv url: http://arxiv.org/abs/2108.12151v1
- Date: Fri, 27 Aug 2021 07:50:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-30 14:14:11.808128
- Title: A Matching Algorithm based on Image Attribute Transfer and Local
Features for Underwater Acoustic and Optical Images
- Title（参考訳）: 水中音響・光学画像における画像属性移動と局所特徴に基づくマッチングアルゴリズム
- Authors: Xiaoteng Zhou, Changli Yu, Xin Yuan, Citong Luo
- Abstract要約: 本研究では, 深層学習に基づく画像属性変換手法を適用し, 音響光学画像マッチングの課題を解決する。
実験結果から,提案手法は音響光学画像の処理を効果的に行い,正確なマッチング結果が得られることがわかった。
- 参考スコア（独自算出の注目度）: 6.134248551458372
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the field of underwater vision research, image matching between the sonar
sensors and optical cameras has always been a challenging problem. Due to the
difference in the imaging mechanism between them, which are the gray value,
texture, contrast, etc. of the acoustic images and the optical images are also
variant in local locations, which makes the traditional matching method based
on the optical image invalid. Coupled with the difficulties and high costs of
underwater data acquisition, it further affects the research process of
acousto-optic data fusion technology. In order to maximize the use of
underwater sensor data and promote the development of multi-sensor information
fusion (MSIF), this study applies the image attribute transfer method based on
deep learning approach to solve the problem of acousto-optic image matching,
the core of which is to eliminate the imaging differences between them as much
as possible. At the same time, the advanced local feature descriptor is
introduced to solve the challenging acousto-optic matching problem.
Experimental results show that our proposed method could preprocess
acousto-optic images effectively and obtain accurate matching results.
Additionally, the method is based on the combination of image depth semantic
layer, and it could indirectly display the local feature matching relationship
between original image pair, which provides a new solution to the underwater
multi-sensor image matching problem.
- Abstract（参考訳）: 水中視覚研究の分野では、ソナーセンサーと光学カメラのマッチングが常に難しい問題となっている。
それらの間の撮像機構の違いは、グレー値、テクスチャ、コントラストなどである。
音響画像のうち、光学画像は局所的な位置でも変化するため、光学画像に基づく従来のマッチング手法は無効となる。
水中データ取得の困難さと高コストとが組み合わさって、ココスト光データ融合技術の研究プロセスにさらに影響を及ぼす。
本研究では,水中センサデータの利用を最大限に活用し,マルチセンサー情報融合(msif)の開発を促進するために,深層学習手法に基づく画像属性転送法を適用し,画像マッチングの問題点を解決する。
同時に、難解な音響光学マッチング問題を解決するために、高度な局所特徴記述子が導入される。
実験結果から,提案手法は音響光学画像を効果的に前処理し,正確なマッチング結果が得られることがわかった。
さらに,この手法は画像深度セマンティックレイヤの組み合わせに基づいており,水中のマルチセンサ画像マッチング問題に対する新たな解決策を提供する原画像ペア間の局所的特徴マッチング関係を間接的に表示することができる。
関連論文リスト
- Underwater Image Quality Assessment: A Perceptual Framework Guided by Physical Imaging [52.860312888450096]
PIGUIQAと呼ばれる水中画像品質評価(UIQA)のための物理画像誘導フレームワークを提案する。
提案手法に物理に基づく水中画像推定を取り入れ,直接透過減衰と後方散乱が画質に与える影響を計測する歪み測定値を定義した。
PIGUIQAは水中画像品質予測における最先端性能を実現し,高い一般化性を示す。
論文 参考訳（メタデータ） (2024-12-20T03:31:45Z) - LUIEO: A Lightweight Model for Integrating Underwater Image Enhancement and Object Detection [10.572090127928698]
本稿では,水中画像の強調と検出精度の向上を同時に行うマルチタスク学習手法を提案する。
統合モデルは、情報通信と異なるタスク間の共有を動的に調整することを可能にする。
数値実験により,提案モデルが視覚性能,物体検出精度,検出効率を満足できることを示す。
論文 参考訳（メタデータ） (2024-12-01T14:01:30Z) - Decomposition-based and Interference Perception for Infrared and Visible
Image Fusion in Complex Scenes [4.919706769234434]
本稿では,分解に基づく干渉知覚画像融合法を提案する。
可視画像の画素を光透過の散乱度から分類し,画像の細部とエネルギー情報を分離する。
この洗練された分解により、複雑なシーンにあるより干渉するピクセルを識別するモデルが提案される。
論文 参考訳（メタデータ） (2024-02-03T09:27:33Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - Exposure Fusion for Hand-held Camera Inputs with Optical Flow and
PatchMatch [53.149395644547226]
ハンドヘルドカメラによるマルチ露光画像融合のためのハイブリッド合成法を提案する。
提案手法は,このような動作に対処し,各入力の露光情報を効果的に維持する。
実験の結果,本手法の有効性とロバスト性を示した。
論文 参考訳（メタデータ） (2023-04-10T09:06:37Z) - CoCoNet: Coupled Contrastive Learning Network with Multi-level Feature Ensemble for Multi-modality Image Fusion [68.78897015832113]
我々は、赤外線と可視画像の融合を実現するために、CoCoNetと呼ばれるコントラスト学習ネットワークを提案する。
本手法は,主観的評価と客観的評価の両面において,最先端(SOTA)性能を実現する。
論文 参考訳（メタデータ） (2022-11-20T12:02:07Z) - 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) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳（メタデータ） (2022-06-17T08:11:26Z) - Nonlinear Intensity Underwater Sonar Image Matching Method Based on
Phase Information and Deep Convolution Features [6.759506053568929]
本稿では,位相情報と深部畳み込み特徴に基づく組み合わせマッチング手法を提案する。
1つは、深い畳み込みの特徴がソナー像の局所的および大域的位置の類似性を測定するのに使えることである。
論文 参考訳（メタデータ） (2021-11-29T02:36:49Z) - Nonlinear Intensity Sonar Image Matching based on Deep Convolution
Features [10.068137357857134]
本稿では,位相情報と深部畳み込み特徴に基づく組み合わせマッチング手法を提案する。
1つは、ソナー画像の局所的および大域的位置の類似性を測定するために、深い畳み込み特徴を使用できることである。
論文 参考訳（メタデータ） (2021-11-17T09:30:43Z) - Domain Adaptation for Underwater Image Enhancement [51.71570701102219]
本稿では,ドメイン間およびドメイン内ギャップを最小限に抑えるために,新しい2相水中ドメイン適応ネットワーク(TUDA)を提案する。
第1段階では、入力画像のリアリズムを強化する翻訳部と、拡張部とを含む新しい二重配向ネットワークを設計する。
第2フェーズでは、ランクベースの水中品質評価手法が組み込まれている強化画像の評価品質に応じて、実データを簡単に分類する。
論文 参考訳（メタデータ） (2021-08-22T06:38:19Z)
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。