論文の概要: Nonlinear Intensity Sonar Image Matching based on Deep Convolution
Features
- arxiv url: http://arxiv.org/abs/2111.08994v1
- Date: Wed, 17 Nov 2021 09:30:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-18 14:40:46.654611
- Title: Nonlinear Intensity Sonar Image Matching based on Deep Convolution
Features
- Title(参考訳): 深部畳み込み特徴に基づく非線形強度ソナー画像マッチング
- Authors: Xiaoteng Zhou, Changli Yu, Xin Yuan, Yi Wu, Haijun Feng, Citong Luo
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 10.068137357857134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the field of deep-sea exploration, sonar is presently the only efficient
long-distance sensing device. The complicated underwater environment, such as
noise interference, low target intensity or background dynamics, has brought
many negative effects on sonar imaging. Among them, the problem of nonlinear
intensity is extremely prevalent. It is also known as the anisotropy of
acoustic imaging, that is, when AUVs carry sonar to detect the same target from
different angles, the intensity difference between image pairs is sometimes
very large, which makes the traditional matching algorithm almost ineffective.
However, image matching is the basis of comprehensive tasks such as navigation,
positioning, and mapping. Therefore, it is very valuable to obtain robust and
accurate matching results. This paper proposes a combined matching method based
on phase information and deep convolution features. It has two outstanding
advantages: one is that deep convolution features could be used to measure the
similarity of the local and global positions of the sonar image; the other is
that local feature matching could be performed at the key target position of
the sonar image. This method does not need complex manual design, and completes
the matching task of nonlinear intensity sonar images in a close end-to-end
manner. Feature matching experiments are carried out on the deep-sea sonar
images captured by AUVs, and the results show that our proposal has good
matching accuracy and robustness.
- Abstract(参考訳): 深海探査の分野では、ソナーが唯一の効率的な長距離センシング装置である。
ノイズ干渉や低目標強度、背景ダイナミクスといった複雑な水中環境は、ソナーイメージングに多くの悪影響を与えている。
その中でも非線形強度の問題は極めて一般的である。
これは音響画像の異方性としても知られており、AUVがソナーを携帯して異なる角度から同じターゲットを検出するとき、画像対の強度差が非常に大きい場合があり、従来のマッチングアルゴリズムはほとんど効果がない。
しかし、画像マッチングはナビゲーション、ポジショニング、マッピングといった包括的なタスクの基礎となっている。
したがって、堅牢で正確なマッチング結果を得ることは非常に貴重である。
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部畳み込み特徴を用いることができ、もう1つはソナー画像のキーターゲット位置において局所的特徴マッチングを行うことができることである。
この手法は複雑な手動設計を必要とせず、非線形強度ソナー画像のマッチング処理をエンドツーエンドで完了させる。
AUVが捉えた深海ソナー画像に特徴マッチング実験を行い,提案手法の精度とロバスト性について検討した。
関連論文リスト
- Unveiling the Depths: A Multi-Modal Fusion Framework for Challenging
Scenarios [103.72094710263656]
本稿では,学習に基づくフレームワークを用いて,支配的モダリティの奥行きを識別し,統合する手法を提案する。
本稿では,信頼度予測ネットワークを操り,潜在電位深度領域を特定する信頼マップを作成する新しい信頼損失を提案する。
得られた信頼度マップを用いて,最終深度をエンドツーエンドに融合するマルチモーダル融合ネットワークを提案する。
論文 参考訳(メタデータ) (2024-02-19T04:39:16Z) - 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) - Wild ToFu: Improving Range and Quality of Indirect Time-of-Flight Depth
with RGB Fusion in Challenging Environments [56.306567220448684]
本稿では,ノイズの多い生のI-ToF信号とRGB画像を用いた学習に基づくエンド・ツー・エンドの深度予測ネットワークを提案する。
最終深度マップでは,ベースラインアプローチと比較して40%以上のRMSE改善が見られた。
論文 参考訳(メタデータ) (2021-12-07T15:04:14Z) - 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) - A Matching Algorithm based on Image Attribute Transfer and Local
Features for Underwater Acoustic and Optical Images [6.134248551458372]
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。
論文 参考訳(メタデータ) (2021-08-27T07:50:09Z) - High-Resolution Depth Maps Based on TOF-Stereo Fusion [27.10059147107254]
そこで本研究では,効率的な種子育成アルゴリズムに基づくTOF-ステレオ融合法を提案する。
提案アルゴリズムは2次元画像に基づくステレオアルゴリズムよりも優れていることを示す。
このアルゴリズムは、単一のCPU上でリアルタイムのパフォーマンスを示す可能性がある。
論文 参考訳(メタデータ) (2021-07-30T15:11:42Z) - Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian
Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。
分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文 参考訳(メタデータ) (2021-03-22T18:06:58Z) - Monocular Depth Parameterizing Networks [15.791732557395552]
実現可能な形状を持つ深度マップの集合のパラメータ化を提供するネットワーク構造を提案する。
これにより、他の画像に関して、写真に一貫性のあるソリューションの形状を検索できる。
実験により,本手法はより正確な深度マップを生成し,競合する最先端手法よりも一般化することを示す。
論文 参考訳(メタデータ) (2020-12-21T13:02:41Z) - Robust Consistent Video Depth Estimation [65.53308117778361]
本稿では,単眼映像からカメラのカメラポーズと密集した深度マップを推定するアルゴリズムを提案する。
本手法は,(1)低周波大規模アライメントのためのフレキシブルな変形-スプラインと(2)細部奥行き詳細の高周波アライメントのための幾何認識深度フィルタリングとを組み合わせた手法である。
従来の手法とは対照的に, カメラのポーズを入力として必要とせず, かなりの音量, 揺動, 動きのぼやき, 転がりシャッター変形を含む携帯のハンドヘルドキャプチャに頑健な再構成を実現する。
論文 参考訳(メタデータ) (2020-12-10T18:59:48Z) - Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。
本稿では,低照度画像強調のための深層学習手法を提案する。
提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
論文 参考訳(メタデータ) (2020-07-04T06:26:44Z) - Depthwise Non-local Module for Fast Salient Object Detection Using a
Single Thread [136.2224792151324]
本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。
提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
論文 参考訳(メタデータ) (2020-01-22T15:23:48Z)
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。