論文の概要: A Robust Multimodal Remote Sensing Image Registration Method and System
Using Steerable Filters with First- and Second-order Gradients
- arxiv url: http://arxiv.org/abs/2202.13347v1
- Date: Sun, 27 Feb 2022 12:22:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-01 16:39:16.125365
- Title: A Robust Multimodal Remote Sensing Image Registration Method and System
Using Steerable Filters with First- and Second-order Gradients
- Title（参考訳）: 1次および2次勾配を有するステアブルフィルタを用いたロバストなマルチモーダルリモートセンシング画像登録方法及びシステム
- Authors: Yuanxin Ye, Bai Zhu, Tengfeng Tang, Chao Yang, Qizhi Xu, Guo Zhang
- Abstract要約: 非線形ラジオメトリック差(NRD)と有意な幾何学的歪みのため,マルチモーダルリモートセンシング画像の同時登録は現在も進行中の課題である。
本稿では,2つの重要なステップからなるステアブルフィルタに基づくロバストマッチング手法を提案する。
提案手法の性能を多種類のマルチモーダルRS画像を用いて評価した。
- 参考スコア（独自算出の注目度）: 7.813406811407584
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Co-registration of multimodal remote sensing images is still an ongoing
challenge because of nonlinear radiometric differences (NRD) and significant
geometric distortions (e.g., scale and rotation changes) between these images.
In this paper, a robust matching method based on the Steerable filters is
proposed consisting of two critical steps. First, to address severe NRD, a
novel structural descriptor named the Steerable Filters of first- and
second-Order Channels (SFOC) is constructed, which combines the first- and
second-order gradient information by using the steerable filters with a
multi-scale strategy to depict more discriminative structure features of
images. Then, a fast similarity measure is established called Fast Normalized
Cross-Correlation (Fast-NCCSFOC), which employs the Fast Fourier Transform
technique and the integral image to improve the matching efficiency.
Furthermore, to achieve reliable registration performance, a coarse-to-fine
multimodal registration system is designed consisting of two pivotal modules.
The local coarse registration is first conducted by involving both detection of
interest points (IPs) and local geometric correction, which effectively
utilizes the prior georeferencing information of RS images to address global
geometric distortions. In the fine registration stage, the proposed SFOC is
used to resist significant NRD, and to detect control points between multimodal
images by a template matching scheme. The performance of the proposed matching
method has been evaluated with many different kinds of multimodal RS images.
The results show its superior matching performance compared with the
state-of-the-art methods. Moreover, the designed registration system also
outperforms the popular commercial software in both registration accuracy and
computational efficiency. Our system is available at
https://github.com/yeyuanxin110.
- Abstract（参考訳）: 非線形ラジオメトリック差(NRD)と有意な幾何学的歪み(スケールと回転の変化など)のため、マルチモーダルリモートセンシング画像の共登録は現在も進行中の課題である。
本稿では,2つの重要なステップからなる,ステアブルフィルタに基づくロバストマッチング手法を提案する。
まず,第1次及び第2次チャネルのステアブルフィルタ (SFOC) と呼ばれる新しい構造記述子を構築し,第1次及び第2次勾配情報を組み合わせて,ステアブルフィルタとマルチスケール戦略を用いて画像のより識別的な構造特徴を記述する。
次に、高速フーリエ変換法と積分画像を用いてマッチング効率を向上させる高速正規化クロスコレレーション(Fast-NCCSFOC)と呼ばれる高速類似度尺度を確立する。
さらに、信頼性の高い登録性能を達成するために、2つのピボットモジュールからなる粗大なマルチモーダル登録システムを設計する。
局所的な粗い登録は、まず関心点の検出(ips)と局所幾何補正(英語版)の両方を伴い、rs画像の事前地理参照情報を有効活用して大域的な幾何学的歪みに対処する。
詳細な登録段階では,提案したSFOCは重要なNRDに抵抗し,テンプレートマッチング方式によりマルチモーダル画像間の制御点を検出する。
提案手法の性能は様々な種類のマルチモーダルrs画像を用いて評価されている。
その結果,最先端手法と比較して高いマッチング性能を示した。
また、登録精度と計算効率の両方において、人気のある商用ソフトウェアを上回っている。
私たちのシステムはhttps://github.com/yeyuanxin110で利用可能です。
関連論文リスト
- Improving Misaligned Multi-modality Image Fusion with One-stage
Progressive Dense Registration [67.23451452670282]
多モード画像間の相違は、画像融合の課題を引き起こす。
マルチスケールプログレッシブ・センス・レジストレーション方式を提案する。
このスキームは、一段階最適化のみで粗大な登録を行う。
論文 参考訳（メタデータ） (2023-08-22T03:46:24Z) - Spatially-Adaptive Feature Modulation for Efficient Image
Super-Resolution [90.16462805389943]
視覚変換器(ViT)のようなブロック上に,空間適応型特徴変調(SAFM)機構を開発する。
提案法は最先端のSR法よりも3倍程度小さい。
論文 参考訳（メタデータ） (2023-02-27T14:19:31Z) - Non-iterative Coarse-to-fine Registration based on Single-pass Deep
Cumulative Learning [11.795108660250843]
変形可能な画像登録のための非Iterative Coarse-to-finE登録ネットワーク(NICE-Net)を提案する。
NICE-Netは、非イテレーティブメソッドと同じようなランタイムしか必要とせず、最先端の反復的な深層登録手法より優れている。
論文 参考訳（メタデータ） (2022-06-25T08:34:59Z) - Dual-Flow Transformation Network for Deformable Image Registration with
Region Consistency Constraint [95.30864269428808]
現在のディープラーニング(DL)ベースの画像登録アプローチは、畳み込みニューラルネットワークを利用して、ある画像から別の画像への空間変換を学習する。
一対のイメージ内のROIの類似性を最大化する領域整合性制約を持つ新しいデュアルフロー変換ネットワークを提案する。
4つの公開3次元MRIデータセットを用いた実験により,提案手法は精度と一般化において最高の登録性能が得られることを示した。
論文 参考訳（メタデータ） (2021-12-04T05:30:44Z) - A Learning Framework for Diffeomorphic Image Registration based on
Quasi-conformal Geometry [1.2891210250935146]
本稿では,非教師付き学習フレームワークである準コンフォーマル登録ネットワーク(QCRegNet)を提案する。
QCRegNetは推定器ネットワークとベルトラミソルバネットワーク(BSNet)から構成される
その結果、登録精度は最先端の手法に匹敵し、微分同相性はかなり保証されていることがわかった。
論文 参考訳（メタデータ） (2021-10-20T14:23:24Z) - Optical-Flow-Reuse-Based Bidirectional Recurrent Network for Space-Time
Video Super-Resolution [52.899234731501075]
時空間ビデオ超解像(ST-VSR)は、与えられたビデオの空間解像度とフレームレートを同時に増加させる。
既存の手法は通常、近隣の幅広いフレームからの情報を効率的に活用する方法の難しさに悩まされる。
本稿では,隣接するフレーム間の知識を活用するために,ConvLSTMの代わりに粗大な双方向リカレント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） (2021-10-13T15:21:30Z) - Robust Registration of Multimodal Remote Sensing Images Based on
Structural Similarity [11.512088109547294]
本稿では,Histogram of Orientated Phase Congruency (HOPC) という特徴記述子を提案する。
HOPCはイメージの構造特性に基づいています。
HOPCnccという類似度メトリックが定義され、マルチモーダル登録のためにHOPCディスクリプタの正規化相関係数(NCC)を使用する。
論文 参考訳（メタデータ） (2021-03-31T07:51:21Z) - MuCAN: Multi-Correspondence Aggregation Network for Video
Super-Resolution [63.02785017714131]
ビデオ超解像(VSR)は、複数の低解像度フレームを使用して、各フレームに対して高解像度の予測を生成することを目的としている。
フレーム間およびフレーム内は、時間的および空間的情報を利用するための鍵となるソースである。
VSRのための効果的なマルチ対応アグリゲーションネットワーク(MuCAN)を構築した。
論文 参考訳（メタデータ） (2020-07-23T05:41:27Z) - CoMIR: Contrastive Multimodal Image Representation for Registration [4.543268895439618]
我々は,CoMIR(Contrastive Multimodal Image Representations)と呼ばれる,共有された高密度画像表現を学習するためのコントラスト符号化を提案する。
CoMIRは、十分に類似した画像構造が欠如しているため、既存の登録方法がしばしば失敗するマルチモーダル画像の登録を可能にする。
論文 参考訳（メタデータ） (2020-06-11T10:51:33Z) - Learning Deformable Image Registration from Optimization: Perspective,
Modules, Bilevel Training and Beyond [62.730497582218284]
マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。
我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
論文 参考訳（メタデータ） (2020-04-30T03:23:45Z) - TCM-ICP: Transformation Compatibility Measure for Registering Multiple
LIDAR Scans [4.5412347600435465]
本稿では,複数重複するLiDARスキャンを登録するアルゴリズムを提案する。
本研究では,TCM(Transform Compatibility Measure)と呼ばれる幾何学的指標を導入する。
提案手法を実世界の4つの場面で評価し,実験結果から,提案手法の登録性能が従来の登録方式と同等か優れていることを示す。
論文 参考訳（メタデータ） (2020-01-04T21:05:27Z)
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。