論文の概要: RFVTM: A Recovery and Filtering Vertex Trichotomy Matching for Remote
Sensing Image Registration
- arxiv url: http://arxiv.org/abs/2204.00818v1
- Date: Sat, 2 Apr 2022 09:03:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-05 16:33:33.460788
- Title: RFVTM: A Recovery and Filtering Vertex Trichotomy Matching for Remote
Sensing Image Registration
- Title（参考訳）: RFVTM:リモートセンシング画像登録のための頂点切削マッチングの回復とフィルタリング
- Authors: Ming Zhao, Bowen An, Yongpeng Wu, Huynh Van Luong, Andr\'e Kaup
- Abstract要約: リモートセンシング画像に十分なインレーヤを保持するために,ロバストな特徴点マッチングアルゴリズムを提案する。
実験結果から, 種々の条件下での精度, 安定性に優れた性能を示した。
- 参考スコア（独自算出の注目度）: 13.560758237161652
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable feature point matching is a vital yet challenging process in
feature-based image registration. In this paper,a robust feature point matching
algorithm called Recovery and Filtering Vertex Trichotomy Matching (RFVTM) is
proposed to remove outliers and retain sufficient inliers for remote sensing
images. A novel affine invariant descriptor called vertex trichotomy descriptor
is proposed on the basis of that geometrical relations between any of vertices
and lines are preserved after affine transformations, which is constructed by
mapping each vertex into trichotomy sets. The outlier removals in Vertex
Trichotomy Matching (VTM) are implemented by iteratively comparing the
disparity of corresponding vertex trichotomy descriptors. Some inliers
mistakenly validated by a large amount of outliers are removed in VTM
iterations, and several residual outliers close to correct locations cannot be
excluded with the same graph structures. Therefore, a recovery and filtering
strategy is designed to recover some inliers based on identical vertex
trichotomy descriptors and restricted transformation errors. Assisted with the
additional recovered inliers, residual outliers can also be filtered out during
the process of reaching identical graph for the expanded vertex sets.
Experimental results demonstrate the superior performance on precision and
stability of this algorithm under various conditions, such as remote sensing
images with large transformations, duplicated patterns, or inconsistent
spectral content.
- Abstract（参考訳）: 信頼性の高い特徴点マッチングは、機能ベースの画像登録において極めて困難なプロセスである。
本稿では,rfvtm(recovery and filter vertex trichotomy matching)と呼ばれるロバストな特徴点マッチングアルゴリズムを提案する。
頂点三分法記述子と呼ばれる新しいアフィン不変記述子は、各頂点を三分法集合にマッピングして構成したアフィン変換の後、頂点と線の間の幾何的関係が保存されることに基づいて提案される。
Vertex Trichotomy Matching (VTM) における外乱除去は、対応する頂点三分法記述子の相違を反復的に比較することによって行われる。
大量の外れ値によって誤って検証されたいくつかの不確かさは、VTM反復で除去され、正しい位置に近い残余の外れ値は同じグラフ構造では除外できない。
したがって、同じ頂点分割記述子と制限された変換誤差に基づいて、いくつかのイリアーを回復するリカバリおよびフィルタリング戦略が設計されている。
追加の回復インリアーの支援により、拡張された頂点集合の同一グラフに到達する過程で残差アウトリアーをフィルターアウトすることもできる。
実験の結果,大規模な変換,重複パターン,スペクトル内容の不整合など,様々な条件下でのアルゴリズムの精度と安定性に関する優れた性能が示された。
関連論文リスト
- Byzantine-resilient Federated Learning With Adaptivity to Data Heterogeneity [54.145730036889496]
本稿では、ビザンツの悪意ある攻撃データの存在下でのグラディエント・ラーニング(FL)を扱う。
Average Algorithm (RAGA) が提案され、ロバストネスアグリゲーションを活用してデータセットを選択することができる。
論文 参考訳（メタデータ） (2024-03-20T08:15:08Z) - APRF: Anti-Aliasing Projection Representation Field for Inverse Problem
in Imaging [74.9262846410559]
Sparse-view Computed Tomography (SVCT) は画像の逆問題である。
近年の研究では、インプリシット・ニューラル・リ表現(INR)を用いて、シングラムとCT画像の座標に基づくマッピングを構築している。
自己教師型SVCT再構成法の提案 -抗エイリアス射影表現場(APRF)-
APRFは空間的制約によって隣接する投影ビュー間の連続的な表現を構築することができる。
論文 参考訳（メタデータ） (2023-07-11T14:04:12Z) - Adapting the Hypersphere Loss Function from Anomaly Detection to Anomaly
Segmentation [1.9458156037869137]
完全畳み込みデータ記述(FCDD)の漸進的改善を提案する。
FCDDは、異常検出から画像異常セグメンテーション(すなわち異常局在)への一級分類アプローチの適応である
我々は、元の損失関数を解析し、前任のハイパースフィア(HSC)によく似た代替関数を提案する。
論文 参考訳（メタデータ） (2023-01-23T18:06:35Z) - Asymptotic Soft Cluster Pruning for Deep Neural Networks [5.311178623385279]
フィルタプルーニング法は, 選択したフィルタを除去することにより, 構造的疎結合を導入する。
Asymptotic Soft Cluster Pruning と呼ばれる新しいフィルタプルーニング法を提案する。
提案手法は,多くの最先端アルゴリズムと比較して,競合的な結果が得られる。
論文 参考訳（メタデータ） (2022-06-16T13:58:58Z) - Automatic Registration of Images with Inconsistent Content Through
Line-Support Region Segmentation and Geometrical Outlier Removal [17.90609572352273]
本稿では,線支持領域分割と幾何外乱除去(ALRS-GOR)による自動画像登録手法を提案する。
アフィン変形と矛盾した内容を含む画像の登録に関する問題に対処するように設計されている。
提案手法の評価には,アフィン変形を模擬した空中画像など,様々な画像セットが検討されている。
論文 参考訳（メタデータ） (2022-04-02T10:47:16Z) - Adaptation to CT Reconstruction Kernels by Enforcing Cross-domain
Feature Maps Consistency [0.06117371161379209]
本研究は,スムーズで訓練し,鋭い再構築カーネル上で試験したモデルにおいて,新型コロナウイルスのセグメンテーション品質の低下を示すものである。
本稿では,F-Consistency(F-Consistency)と呼ばれる,教師なし適応手法を提案する。
論文 参考訳（メタデータ） (2022-03-28T10:00:03Z) - Copy-Move Image Forgery Detection Based on Evolving Circular Domains
Coverage [5.716030416222748]
提案手法はブロックベースとキーポイントベースの両方の偽造検出手法を統合する。
実験結果から, CMFD方式により, 種々の攻撃による検出性能が向上することが示唆された。
論文 参考訳（メタデータ） (2021-09-09T16:08:03Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - Adaptive feature recombination and recalibration for semantic
segmentation with Fully Convolutional Networks [57.64866581615309]
完全畳み込みネットワークを用いたセマンティックセグメンテーションに適応した特徴の組換えと空間適応型再分類ブロックを提案する。
その結果、再結合と再校正は競争ベースラインの結果を改善し、3つの異なる問題にまたがって一般化することを示した。
論文 参考訳（メタデータ） (2020-06-19T15:45:03Z) - Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering
Incorporating Morphological Reconstruction and Wavelet Frames for Image
Segmentation [152.609322951917]
そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。
提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
論文 参考訳（メタデータ） (2020-02-21T05:19:10Z) - Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological
Reconstruction and Wavelet frames [146.63177174491082]
Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。
特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。
合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2020-02-14T10:00:03Z)
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。