論文の概要: Exploring the Potential of SAR Data for Cloud Removal in Optical Satellite Imagery

• arxiv url: http://arxiv.org/abs/2206.02850v1
• Date: Mon, 6 Jun 2022 18:53:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-08 15:28:54.415357
• Title: Exploring the Potential of SAR Data for Cloud Removal in Optical Satellite Imagery
• Title（参考訳）: 光衛星画像における雲除去のためのSARデータの可能性を探る
• Authors: Fang Xu and Yilei Shi and Patrick Ebel and Lei Yu and Gui-Song Xia and Wen Yang and Xiao Xiang Zhu
• Abstract要約: 我々は,SAR画像に埋め込まれた補完情報を活用するために,新しいグローバルローカル核融合型クラウド除去アルゴリズム(GLF-CR)を提案する。 提案アルゴリズムは高品質なクラウドフリーな画像を得ることができ、最先端のクラウド除去アルゴリズムに対して好適に機能する。
• 参考スコア（独自算出の注目度）: 41.40522618945897
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The challenge of the cloud removal task can be alleviated with the aid of Synthetic Aperture Radar (SAR) images that can penetrate cloud cover. However, the large domain gap between optical and SAR images as well as the severe speckle noise of SAR images may cause significant interference in SAR-based cloud removal, resulting in performance degeneration. In this paper, we propose a novel global-local fusion based cloud removal (GLF-CR) algorithm to leverage the complementary information embedded in SAR images. Exploiting the power of SAR information to promote cloud removal entails two aspects. The first, global fusion, guides the relationship among all local optical windows to maintain the structure of the recovered region consistent with the remaining cloud-free regions. The second, local fusion, transfers complementary information embedded in the SAR image that corresponds to cloudy areas to generate reliable texture details of the missing regions, and uses dynamic filtering to alleviate the performance degradation caused by speckle noise. Extensive evaluation demonstrates that the proposed algorithm can yield high quality cloud-free images and performs favorably against state-of-the-art cloud removal algorithms.
• Abstract（参考訳）: クラウド除去タスクの課題は,クラウドカバーを透過可能なSAR(Synthetic Aperture Radar)イメージの活用によって緩和することができる。 しかし、光学画像とSAR画像の間の大きな領域ギャップと、SAR画像の厳しいスペックルノイズは、SARベースの雲の除去に大きな干渉を与え、性能劣化をもたらす可能性がある。 本稿では,SAR画像に埋め込まれた補完情報を活用するために,新しいグローバルローカル核融合型クラウド除去アルゴリズム(GLF-CR)を提案する。 クラウド除去を促進するためにSAR情報のパワーを行使するには2つの側面が必要である。 最初のグローバル融合は、残りの雲のない領域と一致する回復領域の構造を維持するために、すべての局所光学窓間の関係を導くものである。 第2の局所融合は、雲の領域に対応するSAR画像に埋め込まれた補完情報を伝達し、欠落した領域の信頼性の高いテクスチャの詳細を生成し、動的フィルタリングを用いてスペックルノイズによる性能劣化を緩和する。 広範な評価により,提案アルゴリズムは高品質なクラウドフリーイメージを生成でき,最先端のクラウド除去アルゴリズムに対して好適な性能を発揮することが示された。

関連論文リスト

• AllClear: A Comprehensive Dataset and Benchmark for Cloud Removal in Satellite Imagery [38.538566901989526]
  クラウド削除のために$textitAllClear$という,世界最大のパブリックデータセットを紹介します。 このデータセットは、地球の表面を包括的にカバーし、より良い雲の除去結果を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-10-31T12:52:52Z)
• IDF-CR: Iterative Diffusion Process for Divide-and-Conquer Cloud Removal in Remote-sensing Images [55.40601468843028]
  雲除去のための反復拡散過程(IDF-CR)を提案する。 IDF-CRは、ピクセル空間と潜在空間に対処する2段階のモデルに分けられる。 潜時空間の段階では、拡散モデルは低品質の雲の除去を高品質のクリーンな出力に変換する。
  論文  参考訳（メタデータ） (2024-03-18T15:23:48Z)
• Diffusion Enhancement for Cloud Removal in Ultra-Resolution Remote Sensing Imagery [48.14610248492785]
  雲層は、光学リモートセンシング(RS)画像の品質と効果を著しく損なう。 既存のディープラーニング(DL)ベースのクラウド削除(CR)技術は、元の視覚的正当性と画像の詳細なセマンティック内容の正確な再構築に困難を伴う。 この課題に対処するために、データと方法論の面での強化を提案する。
  論文  参考訳（メタデータ） (2024-01-25T13:14:17Z)
• Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
  本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。 このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。 本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
  論文  参考訳（メタデータ） (2023-08-10T07:53:06Z)
• Dual Degradation Representation for Joint Deraining and Low-Light Enhancement in the Dark [57.85378202032541]
  暗闇の中での雨は、自律運転や監視システム、夜間写真など、現実世界のアプリケーションをデプロイする上で大きな課題となる。 既存の低照度化や除染法は、低照度を明るくし、同時に雨を取り除くのに苦労する。 L$2$RIRNetと呼ばれるエンド・ツー・エンドのモデルを導入する。
  論文  参考訳（メタデータ） (2023-05-06T10:17:42Z)
• UnCRtainTS: Uncertainty Quantification for Cloud Removal in Optical Satellite Time Series [19.32220113046804]
  本稿では,新しいアテンションベースアーキテクチャを組み合わせたマルチテンポラルクラウド除去手法UnCRtainTSを紹介する。 予測された不確かさがいかにして再現品質を正確に制御できるかを示す。
  論文  参考訳（メタデータ） (2023-04-11T19:27:18Z)
• MM811 Project Report: Cloud Detection and Removal in Satellite Images [0.0]
  我々は,アテンションGANを用いて衛星画像から雲を除去することを目的としている。 従来のGANとオートエンコーダを用いて得られた結果を再現して比較した。 このプロジェクトの結果は、クラウドフリーの衛星画像を必要とするアプリケーションの開発に利用できる。
  論文  参考訳（メタデータ） (2022-12-21T21:14:35Z)
• Boosting Point Clouds Rendering via Radiance Mapping [49.24193509772339]
  コンパクトなモデル設計でポイントクラウドレンダリングの画質向上に重点を置いている。 我々はNeRF表現を1ピクセルあたりの単一評価しか必要としない空間マッピング関数に単純化する。 提案手法は点雲上での最先端のレンダリングを実現し,先行研究を顕著なマージンで上回った。
  論文  参考訳（メタデータ） (2022-10-27T01:25:57Z)
• Cloud removal in remote sensing images using generative adversarial networks and SAR-to-optical image translation [0.618778092044887]
  雲の除去は、幅広い衛星画像の応用により、多くの注目を集めている。 本研究では,2つの生成逆ネットワーク(GAN)を用いてこの問題の解決を試みる。 第1はSAR画像を光学画像に変換し、第2は前GANの変換画像を使用して雲を除去する。
  論文  参考訳（メタデータ） (2020-12-22T17:19:14Z)

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。