論文の概要: Localisation And Imaging Methods for Moving Target Ghost Imaging Radar
Based On Correlation Intensity Weighting
- arxiv url: http://arxiv.org/abs/2207.07649v1
- Date: Wed, 22 Jun 2022 08:39:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-24 11:49:07.531501
- Title: Localisation And Imaging Methods for Moving Target Ghost Imaging Radar
Based On Correlation Intensity Weighting
- Title(参考訳): 相関強度重み付けに基づく移動目標ゴーストイメージングレーダの局所化とイメージング手法
- Authors: Yuliang Li
- Abstract要約: ゴーストイメージングレーダは、検出感度が高く、超高解像度で、対干渉性能が向上した新しい画像レーダである。
レーダーシステムと目標の間の相対的な動きにより、ターゲット画像は劣化する。
本稿では、粗目標の1フレーム画像の相関強度を重み付け、視野における単一目標の絶対位置定位を提案する。
- 参考スコア(独自算出の注目度): 2.4969636271530726
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ghost imaging radar is a new system of gaze imaging radar with high detection
sensitivity, super-resolution and better anti-interference performance, but the
relative motion between the radar system and the target will make the target
imaging deteriorate. This paper proposes to perform absolute position
localisation of a single target in the field of view by weighting the
correlation strength of a single frame image of rough target, and to compensate
translation of the reference arm speckle according to the localisation and
tracking trajectory to accumulate the rough image into a high quality image.
The proposed correlation intensity weighted localization and tracking imaging
method has been verified by simulation to be able to locate and image targets
in the field of view well.
- Abstract(参考訳): ゴーストイメージングレーダは、検出感度が高く、超高解像度で、対干渉性能が良い新しい画像レーダのシステムであるが、レーダーシステムとターゲットの間の相対的な動きは、ターゲットイメージングを劣化させる。
本稿では、粗目標の単一フレーム画像の相関強度を重み付け、視野における単一ターゲットの絶対位置定位を行うとともに、粗目標画像の局所化と追跡軌跡に応じて参照アームスペックルの翻訳を補償し、粗像を高品質な画像に蓄積することを提案する。
提案する相関強度重み付き局所化・追従イメージング法をシミュレーションにより検証し,視野内における目標の同定と画像化を可能にした。
関連論文リスト
- Scale Optimization Using Evolutionary Reinforcement Learning for Object
Detection on Drone Imagery [17.26524675722299]
本稿では, 粗い物体検出フレームワークに組み込まれた進化的強化学習エージェントを提案し, 画像中の物体のより効率的な検出のために, スケールを最適化する。
スケール最適化の指針として, 局所化精度, 予測ラベルの精度, 近傍のパッチ間のスケール一貫性のセットを設計する。
論文 参考訳(メタデータ) (2023-12-23T10:49:55Z) - Enhancing Infrared Small Target Detection Robustness with Bi-Level
Adversarial Framework [61.34862133870934]
本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。
我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
論文 参考訳(メタデータ) (2023-09-03T06:35:07Z) - CiteTracker: Correlating Image and Text for Visual Tracking [114.48653709286629]
我々は、画像とテキストを接続することで、視覚的トラッキングにおけるターゲットモデリングと推論を強化するCiteTrackerを提案する。
具体的には、ターゲット画像パッチを記述テキストに変換するテキスト生成モジュールを開発する。
次に、注目に基づく相関モジュールを用いて対象記述と検索画像を関連付け、対象状態参照のための相関特徴を生成する。
論文 参考訳(メタデータ) (2023-08-22T09:53:12Z) - View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。
提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。
これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文 参考訳(メタデータ) (2023-08-16T02:51:52Z) - Near-filed SAR Image Restoration with Deep Learning Inverse Technique: A
Preliminary Study [5.489791364472879]
近接場合成開口レーダ(SAR)は、ターゲットの散乱分布ホットスポットの高解像度画像を提供する。
一方、撮像の結果は、サイドローブ、クラッタ、ノイズから必然的に劣化する。
イメージを復元するために、現在の手法では、例えば、点拡散関数(PSF)は空間的に一貫したものであり、ターゲットはスパース点散乱器などで構成されている。
我々は、分解モデルを空間的に可変な複素畳み込みモデルに再構成し、近接場SARのシステム応答を考慮した。
モデルに基づくディープラーニングネットワークは、復元するために設計されている
論文 参考訳(メタデータ) (2022-11-28T01:28:33Z) - Identifying Coordination in a Cognitive Radar Network -- A
Multi-Objective Inverse Reinforcement Learning Approach [30.65529797672378]
本稿では,レーダ間のコーディネーションを検出するために,新しい多目的逆強化学習手法を提案する。
また、多目的最適化システムの逆検出と学習に関するより一般的な問題にも適用できる。
論文 参考訳(メタデータ) (2022-11-13T17:27:39Z) - ParticleSfM: Exploiting Dense Point Trajectories for Localizing Moving
Cameras in the Wild [57.37891682117178]
本稿では,一対の光流からの高密度対応に基づく動画の高密度間接構造抽出手法を提案する。
不規則点軌道データを処理するために,新しいニューラルネットワークアーキテクチャを提案する。
MPIシンテルデータセットを用いた実験により,我々のシステムはより正確なカメラ軌道を生成することがわかった。
論文 参考訳(メタデータ) (2022-07-19T09:19:45Z) - Robust Single Image Dehazing Based on Consistent and Contrast-Assisted
Reconstruction [95.5735805072852]
画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。
具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。
我々の手法は最先端のアプローチを大きく上回っている。
論文 参考訳(メタデータ) (2022-03-29T08:11:04Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳(メタデータ) (2021-10-27T07:18:32Z) - Multi-target detection with rotations [14.649457503983966]
大規模ノイズ計測画像から2次元目標画像を推定するマルチターゲット検出問題について考察する。
単一粒子の低温電子顕微鏡を応用し,低信号対雑音状態に着目した。
論文 参考訳(メタデータ) (2021-01-19T16:20:01Z) - Adaptive Remote Sensing Image Attribute Learning for Active Object
Detection [43.029857143916345]
本稿では,適応的な明るさ調整とスケール調整を例に,深層強化学習に基づくアクティブ物体検出手法を提案する。
適応画像属性学習の目標は、検出性能を最大化することです。
論文 参考訳(メタデータ) (2021-01-16T11:37:50Z)
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。