論文の概要: Oil Spill SAR Image Segmentation via Probability Distribution Modelling

• arxiv url: http://arxiv.org/abs/2112.09638v1
• Date: Fri, 17 Dec 2021 17:22:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-20 15:55:28.053689
• Title: Oil Spill SAR Image Segmentation via Probability Distribution Modelling
• Title（参考訳）: 確率分布モデルによるオイルスパイルSAR画像分割
• Authors: Fang Chen, Aihua Zhang, Heiko Balzter, Peng Ren and Huiyu Zhou
• Abstract要約: 本研究の目的は,SAR画像における海洋油流出の同定に有効なセグメンテーション手法を開発することである。 我々は,オイル流出SAR画像の確率分布表現を達成するために,SAR撮像機構を再検討する。 次に, 油流出特性を組み込んだセグメンテーションエネルギー関数を定式化するために, 分布表現を利用する。
• 参考スコア（独自算出の注目度）: 18.72207562693259
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Segmentation of marine oil spills in Synthetic Aperture Radar (SAR) images is a challenging task because of the complexity and irregularities in SAR images. In this work, we aim to develop an effective segmentation method which addresses marine oil spill identification in SAR images by investigating the distribution representation of SAR images. To seek effective oil spill segmentation, we revisit the SAR imaging mechanism in order to attain the probability distribution representation of oil spill SAR images, in which the characteristics of SAR images are properly modelled. We then exploit the distribution representation to formulate the segmentation energy functional, by which oil spill characteristics are incorporated to guide oil spill segmentation. Moreover, the oil spill segmentation model contains the oil spill contour regularisation term and the updated level set regularisation term which enhance the representational power of the segmentation energy functional. Benefiting from the synchronisation of SAR image representation and oil spill segmentation, our proposed method establishes an effective oil spill segmentation framework. Experimental evaluations demonstrate the effectiveness of our proposed segmentation framework for different types of marine oil spill SAR image segmentation.
• Abstract（参考訳）: 合成開口レーダ(SAR)画像における海洋油流出のセグメンテーションは、SAR画像の複雑さと不規則性のために難しい課題である。 本研究では,SAR画像の分布表現について検討し,SAR画像の海洋油流出識別に有効なセグメンテーション手法を提案する。 そこで本研究では,SAR画像の特徴を適切にモデル化した油流出SAR画像の確率分布表現を実現するために,SAR撮像機構を再検討する。 次に, この分布表現を利用してセグメンテーションエネルギー関数を定式化し, 油流出特性を組み込んで油流出セグメンテーションを導出する。 さらに、油流出セグメンテーションモデルは、油流出輪郭正規化項と、セグメンテーションエネルギー汎関数の表現力を高める更新されたレベルセット正規化項とを含む。 sar画像表現と原油流出分節化の同期化により,提案手法は油流出分節化の有効な枠組みを確立する。 各種海洋油流出SAR画像のセグメンテーションにおけるセグメンテーションフレームワークの有効性を実験的に評価した。

関連論文リスト

• FlowSDF: Flow Matching for Medical Image Segmentation Using Distance Transforms [60.195642571004804]
  署名された距離関数(SDF)を表す画像誘導型条件付きフローマッチングフレームワークであるFlowSDFを提案する。 SDFの条件分布の確率パスに直接関係するベクトル場を学習することにより、セグメント化マスクの分布から正確にサンプリングすることができる。
  論文  参考訳（メタデータ） (2024-05-28T11:47:12Z)
• Image Recognition of Oil Leakage Area Based on Logical Semantic Discrimination [11.792559057876693]
  論理規則に基づく識別と画像認識の統合が提案されている。 このアプローチでは、オブジェクト間の空間的関係を認識して、石油流出のイメージを意味的にセグメント化する。 以上の結果から, 本手法は, 石油汚染地域を特定する上での課題に十分に取り組むことが可能であることが示唆された。
  論文  参考訳（メタデータ） (2023-11-03T22:13:58Z)
• DCN-T: Dual Context Network with Transformer for Hyperspectral Image Classification [109.09061514799413]
  複雑な撮像条件による空間変動のため,HSI分類は困難である。 本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。 提案手法は,HSI分類における最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-04-19T18:32:52Z)
• SRCNet: Seminal Representation Collaborative Network for Marine Oil Spill Segmentation [18.96012241344086]
  本研究では,SRCNet という油流出画像分割ネットワークを提案する。 SAR画像を記述するセミナル表現の協調により、ディープニューラルネットワークのペアで構築される。 提案するSRCNetは,効率的な石油流出セグメンテーションを経済的かつ効率的に運用する。
  論文  参考訳（メタデータ） (2023-04-17T13:23:03Z)
• DGNet: Distribution Guided Efficient Learning for Oil Spill Image Segmentation [18.43215454505496]
  SAR(Synthetic Aperture Radar)画像における油流出セグメンテーションの実施は,海洋環境保護に不可欠である。 我々は,SAR画像にバックスキャッタ値の内在分布を組み込むことで,石油流出セグメンテーションを行うDGNetという効果的なセグメンテーションフレームワークを開発した。 提案したDGNetのセグメンテーション性能を異なるメトリクスで評価し,その有効セグメンテーションを実験的に評価した。
  論文  参考訳（メタデータ） (2022-12-19T18:23:50Z)
• Heterogeneous Feature Distillation Network for SAR Image Semantic Segmentation [0.0]
  本研究では,SAR-セグメンテーションモデルのトレーニングを支援するためのEO機能の導入方法について検討する。 本稿では,HFD-Netと呼ばれるSAR画像のセグメント化のための不均一な特徴蒸留ネットワークを提案する。 提案したHFD-Netは、7つの最先端SAR画像セマンティックセグメンテーション法より優れている。
  論文  参考訳（メタデータ） (2022-10-17T12:12:45Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Deep Posterior Distribution-based Embedding for Hyperspectral Image Super-resolution [75.24345439401166]
  本稿では,高スペクトル画像の高次元空間スペクトル情報を効率的に効率的に埋め込む方法について述べる。 我々は,HS埋め込みを,慎重に定義されたHS埋め込みイベントの集合の後方分布の近似として定式化する。 そして,提案手法を物理的に解釈可能なソース一貫性超解像フレームワークに組み込む。 3つの一般的なベンチマークデータセットに対する実験により、PDE-Netは最先端の手法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-05-30T06:59:01Z)
• Hierarchical Conditional Flow: A Unified Framework for Image Super-Resolution and Image Rescaling [139.25215100378284]
  画像SRと画像再スケーリングのための統合フレームワークとして階層的条件フロー(HCFlow)を提案する。 HCFlowは、LR画像と残りの高周波成分の分布を同時にモデル化することにより、HRとLR画像ペア間のマッピングを学習する。 さらに性能を高めるために、知覚的損失やGAN損失などの他の損失と、トレーニングで一般的に使用される負の対数類似損失とを組み合わせる。
  論文  参考訳（メタデータ） (2021-08-11T16:11:01Z)
• MASA-SR: Matching Acceleration and Spatial Adaptation for Reference-Based Image Super-Resolution [74.24676600271253]
  本稿では、RefSRのためのMASAネットワークを提案し、これらの問題に対処するために2つの新しいモジュールを設計する。 提案したMatch & extract Moduleは、粗大な対応マッチング方式により計算コストを大幅に削減する。 空間適応モジュールは、LR画像とRef画像の分布の差を学習し、Ref特徴の分布を空間適応的にLR特徴の分布に再マップする。
  論文  参考訳（メタデータ） (2021-06-04T07:15:32Z)
• Large-scale detection and categorization of oil spills from SAR images with deep learning [4.716034416800441]
  本研究では,合成開口レーダ(SAR)画像中の油流出を大規模に検出し,分類するためのディープラーニングフレームワークを提案する。 また,SARにおける石油流出検知の文脈において,新しい分類タスクを導入する。
  論文  参考訳（メタデータ） (2020-06-24T09:32:31Z)

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。