Fugu-MT 論文翻訳(概要): High-resolution Coastline Extraction in SAR Images via MISP-GGD Superpixel Segmentation

論文の概要: High-resolution Coastline Extraction in SAR Images via MISP-GGD Superpixel Segmentation

arxiv url: http://arxiv.org/abs/2203.02708v1
Date: Sat, 5 Mar 2022 11:23:42 GMT
ステータス: 処理完了
システム内更新日: 2022-03-10 06:31:24.680566
Title: High-resolution Coastline Extraction in SAR Images via MISP-GGD Superpixel Segmentation
Title（参考訳）: MISP-GGDスーパーピクセルセグメンテーションによるSAR画像の高分解能海岸線抽出
Authors: Odysseas Pappas and Nantheera Anantrasirichai and Byron Adams and Alin Achim
Abstract要約: 一般化ガンマ混合モデルスーパーピクセルアルゴリズム(MISP-GGD)を用いた画像分割手法を提案する。テクスチャとラジオメトリーの特徴に従って生成されたスーパーピクセルの教師なしクラスタリングにより、高度に正確な海岸線を抽出できる陸水マスクを生成することができる。
参考スコア（独自算出の注目度）: 9.785882179718802
License: http://creativecommons.org/licenses/by/4.0/
Abstract: High accuracy coastline/shoreline extraction from SAR imagery is a crucial step in a number of maritime and coastal monitoring applications. We present a method based on image segmentation using the Generalised Gamma Mixture Model superpixel algorithm (MISP-GGD). MISP-GGD produces superpixels adhering with great accuracy to object edges in the image, such as the coastline. Unsupervised clustering of the generated superpixels according to textural and radiometric features allows for generation of a land/water mask from which a highly accurate coastline can be extracted. We present results of our proposed method on a number of SAR images of varying characteristics.
Abstract（参考訳）: sar画像からの高精度な海岸線/海岸線抽出は、多くの海上および沿岸監視アプリケーションにおいて重要なステップである。一般化ガンマ混合モデルスーパーピクセルアルゴリズム(MISP-GGD)を用いた画像分割手法を提案する。 MISP-GGDは、海岸線のような画像の物体のエッジに非常に精度よく付着したスーパーピクセルを生成する。テクスチャとラジオメトリーの特徴に従って生成されたスーパーピクセルの教師なしクラスタリングにより、高度に正確な海岸線を抽出できる陸水マスクを生成することができる。本稿では,様々な特徴を持つ複数のSAR画像に対する提案手法の結果について述べる。

関連論文リスト

Semantic Guided Large Scale Factor Remote Sensing Image Super-resolution with Generative Diffusion Prior [13.148815217684277]
大規模因子超解像(SR)アルゴリズムは、軌道から取得した低解像度(LR)衛星データの最大化に不可欠である。既存の手法では、鮮明なテクスチャと正しい接地オブジェクトでSR画像を復元する際の課題に直面している。本稿では,大規模リモートセンシング画像の超解像を実現するための新しいフレームワークであるセマンティックガイド拡散モデル(SGDM)を提案する。
論文参考訳（メタデータ） (2024-05-11T16:06:16Z)
Feature Guided Masked Autoencoder for Self-supervised Learning in Remote Sensing [16.683132793313693]
Masked AutoEncoder (MAE) はリモートセンシングにおける視覚トランスフォーマーの事前訓練に広く注目を集めている。本研究では,多スペクトル画像に対する向き付けされた粒度(HOG)と正規化差分指標(NDI)の組合せを再構成し,SAR画像のHOGを再構成する特徴誘導マスク付きオートエンコーダ(FG-MAE)を提案する。
論文参考訳（メタデータ） (2023-10-28T09:43:13Z)
DeepMerge: Deep-Learning-Based Region-Merging for Image Segmentation [7.063322114865965]
本稿では,DeepMergeと呼ばれる深層学習に基づく領域マージ手法を提案する。これは、ディープラーニングを用いて類似性を学習し、RAGに隣接する類似のスーパーピクセルをマージする最初の方法である。 DeepMergeは最も高いF値(0.9550)と最も低い総誤差TE(0.0895)を達成し、異なるサイズのオブジェクトを正しく分割し、競合する全ての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） (2023-05-31T12:27:58Z)
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)
Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image Super-Resolution with Subpixel Fusion [67.35540259040806]
サブピクセルレベルのHS超解像フレームワークを提案する。名前が示すように、DC-Netはまず入力を共通(またはクロスセンサー)とセンサー固有のコンポーネントに分離する。我々は,CSUネットの裏側に自己教師付き学習モジュールを付加し,素材の整合性を保証し,復元されたHS製品の詳細な外観を向上する。
論文参考訳（メタデータ） (2022-05-07T23:40:36Z)
Generating Superpixels for High-resolution Images with Decoupled Patch Calibration [82.21559299694555]
Patch Networks (PCNet) は高解像度のスーパーピクセルセグメンテーションを効率的かつ正確に実装するように設計されている。 DPCは高解像度画像から局所パッチを取得し、動的にバイナリマスクを生成し、ネットワークを領域境界に集中させる。特に、DPCは高解像度画像からローカルパッチを取り、動的にバイナリマスクを生成して、ネットワークを領域境界に集中させる。
論文参考訳（メタデータ） (2021-08-19T10:33:05Z)
SASSI -- Super-Pixelated Adaptive Spatio-Spectral Imaging [17.2152544145501]
高い空間分解能と時間分解能を持つ新しいビデオレートハイパースペクトラム画像装置を紹介します。超画素分割画像によって誘導されるハイパースペクトルシーンのシーン適応空間サンプリングは、高品質の再構築を得ることができる。提案手法を広範にシミュレーションし,600倍900万画素の空間分解能でハイパースペクトル映像を測定する実験室のプロトタイプとして検証した。
論文参考訳（メタデータ） (2020-12-28T21:34:18Z)
Superpixel Segmentation Based on Spatially Constrained Subspace Clustering [57.76302397774641]
独立意味情報を持つ各代表領域を部分空間とみなし,部分空間クラスタリング問題としてスーパーピクセルセグメンテーションを定式化する。従来のサブスペースクラスタリングとスーパーピクセルセグメンテーションの簡単な統合は,画素の空間相関のために効果的に機能しないことを示す。本稿では,空間隣接画素に類似の属性を付加してスーパーピクセルにクラスタリング可能な,凸局所性制約付きサブスペースクラスタリングモデルを提案する。
論文参考訳（メタデータ） (2020-12-11T06:18:36Z)
Robust Face Alignment by Multi-order High-precision Hourglass Network [44.94500006611075]
本稿では,熱マップサブピクセル回帰 (HSR) 法と多階クロスジオメトリ・アウェア (MCG) モデルを提案する。 HSR法は、よく設計されたサブピクセル検出損失(SDL)とサブピクセル検出技術(SDT)により、高精度なランドマーク検出を実現するために提案されている。同時に、MCGモデルは、提案した多階交差情報を用いて、顔の幾何学的制約と文脈情報を強化するためのより識別的な表現を学習することができる。
論文参考訳（メタデータ） (2020-10-17T05:40:30Z)
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)
PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models [77.32079593577821]
PULSE (Photo Upsampling via Latent Space Exploration) は、それまで文献になかった解像度で高解像度でリアルな画像を生成する。本手法は, 従来よりも高分解能, スケールファクターの知覚品質において, 最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2020-03-08T16:44:31Z)

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。