論文の概要: MS-HLMO: Multi-scale Histogram of Local Main Orientation for Remote Sensing Image Registration

• arxiv url: http://arxiv.org/abs/2204.00260v1
• Date: Fri, 1 Apr 2022 07:43:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-04 22:25:42.019608
• Title: MS-HLMO: Multi-scale Histogram of Local Main Orientation for Remote Sensing Image Registration
• Title（参考訳）: MS-HLMO:リモートセンシング画像登録のための局所主方位のマルチスケールヒストグラム
• Authors: Chenzhong Gao, Wei Li, Ran Tao, Qian Du
• Abstract要約: マルチスケール・ヒストグラム・オブ・ローカル・メインオリエンテーション(MS-HLMO)と呼ばれる特徴ベース登録アルゴリズムを提案する。 17のマルチソースリモートセンシングシーンの実験では、提案されたMS-HLMOとその簡易バージョンMS-HLMO$+$が他の競合登録アルゴリズムより優れていることが示された。
• 参考スコア（独自算出の注目度）: 13.600875501159123
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-source image registration is challenging due to intensity, rotation, and scale differences among the images. Considering the characteristics and differences of multi-source remote sensing images, a feature-based registration algorithm named Multi-scale Histogram of Local Main Orientation (MS-HLMO) is proposed. Harris corner detection is first adopted to generate feature points. The HLMO feature of each Harris feature point is extracted on a Partial Main Orientation Map (PMOM) with a Generalized Gradient Location and Orientation Histogram-like (GGLOH) feature descriptor, which provides high intensity, rotation, and scale invariance. The feature points are matched through a multi-scale matching strategy. Comprehensive experiments on 17 multi-source remote sensing scenes demonstrate that the proposed MS-HLMO and its simplified version MS-HLMO$^+$ outperform other competitive registration algorithms in terms of effectiveness and generalization.
• Abstract（参考訳）: 画像間の強度、回転、スケールの違いにより、マルチソース画像登録は困難である。 マルチソースリモートセンシング画像の特徴と特徴を考慮し,MS-HLMO(Multiscale Histogram of Local Main Orientation)と呼ばれる特徴ベースの登録アルゴリズムを提案する。 ハリス角検出はまず特徴点を生成するために用いられる。 各ハリス特徴点のHLMO特徴は、高強度、回転、スケール不変性を提供する一般化した配向位置および配向ヒストグラム(GGLOH)特徴記述子を持つ部分主配向マップ(PMOM)上に抽出される。 特徴点はマルチスケールのマッチング戦略によって一致します。 提案したMS-HLMOと簡易版MS-HLMO$^+$が、他の競合登録アルゴリズムよりも効率と一般化の点で優れていることを示す。

関連論文リスト

• Multi-Head Attention Residual Unfolded Network for Model-Based Pansharpening [2.874893537471256]
  展開融合法は、ディープラーニングの強力な表現能力とモデルベースアプローチの堅牢性を統合する。 本稿では,衛星画像融合のためのモデルに基づく深部展開手法を提案する。 PRISMA、Quickbird、WorldView2データセットの実験結果から、本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2024-09-04T13:05:00Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• TOP-ReID: Multi-spectral Object Re-Identification with Token Permutation [64.65950381870742]
  マルチスペクトルオブジェクトReID, Dubbled TOP-ReIDのための循環トークン置換フレームワークを提案する。 また,巡回多スペクトル特徴アグリゲーションのためのToken Permutation Module (TPM)を提案する。 提案するフレームワークは,ロバストなオブジェクトReIDに対して,より識別性の高いマルチスペクトル特徴を生成できる。
  論文  参考訳（メタデータ） (2023-12-15T08:54:15Z)
• Multi-level Second-order Few-shot Learning [111.0648869396828]
  教師付きまたは教師なしの少数ショット画像分類と少数ショット動作認識のためのマルチレベル2次数列学習ネットワーク(MlSo)を提案する。 我々は、パワーノーマライズされた二階学習者ストリームと、複数のレベルの視覚的抽象化を表現する機能を組み合わせた、いわゆる2階学習者ストリームを活用している。 我々は,Omniglot, mini-ImageNet, tiered-ImageNet, Open MIC, CUB Birds, Stanford Dogs, Cars, HMDB51, UCF101, mini-MITなどのアクション認識データセットなどの標準データセットに対して,優れた結果を示す。
  論文  参考訳（メタデータ） (2022-01-15T19:49:00Z)
• Multi-Content Complementation Network for Salient Object Detection in Optical Remote Sensing Images [108.79667788962425]
  光リモートセンシング画像(RSI-SOD)における有能な物体検出は、いまだに課題である。 本稿では, RSI-SOD における複数コンテンツの相補性を検討するために, MCCNet (Multi-Content Complementation Network) を提案する。 MCCMでは、前景機能、エッジ機能、背景機能、グローバル画像レベル機能など、RSI-SODにとって重要な複数の機能について検討する。
  論文  参考訳（メタデータ） (2021-12-02T04:46:40Z)
• Hyperspectral Image Segmentation based on Graph Processing over Multilayer Networks [51.15952040322895]
  ハイパースペクトル画像(HSI)処理の1つの重要な課題は、スペクトル空間的特徴の抽出である。 M-GSP特徴抽出に基づくHSIセグメンテーションへのいくつかのアプローチを提案する。 HSI処理とスペクトル空間情報抽出におけるM-GSPの強度を実験的に検証した。
  論文  参考訳（メタデータ） (2021-11-29T23:28:18Z)
• Fast and High-Quality Blind Multi-Spectral Image Pansharpening [48.68143888901669]
  ブラインドパンスハーピングへの迅速なアプローチを提案し、最新の画像再構築品質を実現します。 速い盲目のpansharpeningを達成するために、私達はぼかしのカーネルおよびHRMSのイメージの解決を分離します。 アルゴリズムは計算時間と再構成品質の両面で最先端のモデルベースを上回っている。
  論文  参考訳（メタデータ） (2021-03-17T23:12:14Z)
• Tone Mapping Based on Multi-scale Histogram Synthesis [6.6399785438250705]
  本稿では,低ダイナミックレンジ(LDR)デバイスにワイドダイナミックレンジ(WDR)画像を表示できる新しいトーンマッピングアルゴリズムを提案する。 提案アルゴリズムは,視覚系の対数応答と局所適応特性を主目的とする。 実験結果から,提案アルゴリズムは高輝度,良コントラスト,魅力的な画像を生成することができることがわかった。
  論文  参考訳（メタデータ） (2021-01-31T08:11:48Z)
• Multi-feature driven active contour segmentation model for infrared image with intensity inhomogeneity [3.3216205701062735]
  強度不均一な赤外線画像を扱うための多機能能動輪郭分割モデルを提案する。 実験結果から,提案手法はIRテスト画像の精度と重み付け率において,最先端のモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-11-25T02:51:25Z)
• Spectral Superresolution of Multispectral Imagery with Joint Sparse and Low-Rank Learning [29.834065415830764]
  MS画像のスペクトル超解像 (SSR) は, 逆画像における高視差のため, 困難であり, あまり研究されていない。 重なり合う領域から低ランクのHS-MS辞書ペアを共同学習することにより,MS画像のスペクトル化を図る,ジョイントスパースとローランク学習(J-SLoL)と呼ばれるシンプルで効果的な手法を開発した。
  論文  参考訳（メタデータ） (2020-07-28T06:08:44Z)

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。