論文の概要: Automatic Registration of Images with Inconsistent Content Through
Line-Support Region Segmentation and Geometrical Outlier Removal
- arxiv url: http://arxiv.org/abs/2204.00832v1
- Date: Sat, 2 Apr 2022 10:47:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-05 16:33:06.398923
- Title: Automatic Registration of Images with Inconsistent Content Through
Line-Support Region Segmentation and Geometrical Outlier Removal
- Title（参考訳）: ラインサポート領域分割と幾何学的外乱除去によるコンテンツ不整合画像の自動登録
- Authors: Ming Zhao, Yongpeng Wu, Shengda Pan, Fan Zhou, Bowen An, Andr\'e Kaup
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 17.90609572352273
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The implementation of automatic image registration is still difficult in
various applications. In this paper, an automatic image registration approach
through line-support region segmentation and geometrical outlier removal
(ALRS-GOR) is proposed. This new approach is designed to address the problems
associated with the registration of images with affine deformations and
inconsistent content, such as remote sensing images with different spectral
content or noise interference, or map images with inconsistent annotations. To
begin with, line-support regions, namely a straight region whose points share
roughly the same image gradient angle, are extracted to address the issues of
inconsistent content existing in images. To alleviate the incompleteness of
line segments, an iterative strategy with multi-resolution is employed to
preserve global structures that are masked at full resolution by image details
or noise. Then, Geometrical Outlier Removal (GOR) is developed to provide
reliable feature point matching, which is based on affineinvariant geometrical
classifications for corresponding matches initialized by SIFT. The candidate
outliers are selected by comparing the disparity of accumulated classifications
among all matches, instead of conventional methods which only rely on local
geometrical relations. Various image sets have been considered in this paper
for the evaluation of the proposed approach, including aerial images with
simulated affine deformations, remote sensing optical and synthetic aperture
radar images taken at different situations (multispectral, multisensor, and
multitemporal), and map images with inconsistent annotations. Experimental
results demonstrate the superior performance of the proposed method over the
existing approaches for the whole data set.
- Abstract（参考訳）: 自動画像登録の実装は、様々なアプリケーションで依然として困難である。
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。
この新しいアプローチは、スペクトル内容の異なるリモートセンシング画像やノイズ干渉、一貫性のないアノテーションによる画像のマップなど、アフィン変形と一貫性のないコンテンツによる画像登録に関連する問題に対処するように設計されている。
まず、画像に存在する一貫性のないコンテンツの問題に対処するために、線支持領域、すなわち、点が略同じ画像勾配角を共有する直線領域を抽出する。
ラインセグメントの不完全性を軽減するため、画像の詳細やノイズによって全解像度で隠蔽されたグローバル構造を保存するために、多重解像度の反復戦略を用いる。
次に,siftによって初期化される対応マッチに対するアフィン不変な幾何学的分類に基づく,信頼性の高い特徴点マッチングを提供するために,幾何学的外れ値除去(gor)を開発した。
局所幾何学的関係にのみ依存する従来の手法に代えて、全てのマッチの累積分類の相違を比較することにより、候補外乱が選択される。
本稿では,アフィン変形を模擬した航空画像,異なる状況(マルチスペクトル,マルチセンサ,マルチタイム)で撮影されたリモートセンシング光学および合成開口レーダ画像,一貫性のないアノテーションによる地図画像など,提案手法の評価のために様々な画像セットを検討した。
実験の結果,提案手法はデータセット全体の既存手法よりも優れた性能を示すことができた。
関連論文リスト
- RecDiffusion: Rectangling for Image Stitching with Diffusion Models [53.824503710254206]
画像縫合整形のための新しい拡散学習フレームワーク textbfRecDiffusion を提案する。
このフレームワークは運動拡散モデル(MDM)を組み合わせて運動場を生成し、縫合された画像の不規則な境界から幾何学的に修正された中間体へ効果的に遷移する。
論文 参考訳（メタデータ） (2024-03-28T06:22:45Z) - 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) - Semantic similarity metrics for learned image registration [10.355938901584565]
画像登録のための意味的類似度尺度を提案する。
このアプローチは、学習に基づく登録モデルの最適化を促進するデータセット固有の特徴を学習する。
自動エンコーダを用いた非監視的アプローチと、補助セグメンテーションデータを用いた半監督的アプローチの両方をトレーニングし、画像登録のための意味的特徴を抽出します。
論文 参考訳（メタデータ） (2021-04-20T15:23:58Z) - Spatial-spectral Hyperspectral Image Classification via Multiple Random
Anchor Graphs Ensemble Learning [88.60285937702304]
本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。
まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。
次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
論文 参考訳（メタデータ） (2021-03-25T09:31:41Z) - Pixel-wise Anomaly Detection in Complex Driving Scenes [30.884375526254836]
本稿では,不確実性マップを用いて異常検出を改善する画素方向異常検出フレームワークを提案する。
私たちのアプローチは、すでにトレーニング済みのセグメンテーションネットワークの一般的なフレームワークとして機能します。
さまざまな異常データセットを対象としたトップ2パフォーマンスは、異なる異常インスタンスを扱うアプローチの堅牢性を示している。
論文 参考訳（メタデータ） (2021-03-09T14:26:20Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳（メタデータ） (2020-10-12T13:26:30Z) - Unsupervised Learning of Image Segmentation Based on Differentiable
Feature Clustering [14.074732867392008]
本研究では、教師なし画像分割における畳み込みニューラルネットワーク(CNN)の利用について検討した。
本稿では、正規化と、微分可能なクラスタリングのためのargmax関数からなる、教師なし画像セグメンテーションのエンドツーエンドネットワークを提案する。
第3に,既存の手法よりも精度がよいユーザ入力として,スクリブルを用いたセグメント化手法の拡張を提案する。
論文 参考訳（メタデータ） (2020-07-20T10:28:36Z) - A Weighted Difference of Anisotropic and Isotropic Total Variation for
Relaxed Mumford-Shah Color and Multiphase Image Segmentation [2.6381163133447836]
異方性および等方性の全変動の差を考慮した一括一括画像分割モデルを提案する。
また,カラー画像のセグメンテーションへの一般化についても論じる。
論文 参考訳（メタデータ） (2020-05-09T09:35:44Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z) - High-Order Information Matters: Learning Relation and Topology for
Occluded Person Re-Identification [84.43394420267794]
本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。
我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
論文 参考訳（メタデータ） (2020-03-18T12:18:35Z)
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。