論文の概要: Fast strategies for multi-temporal speckle reduction of Sentinel-1 GRD images

• arxiv url: http://arxiv.org/abs/2207.11111v1
• Date: Fri, 22 Jul 2022 14:38:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-25 13:37:39.165260
• Title: Fast strategies for multi-temporal speckle reduction of Sentinel-1 GRD images
• Title（参考訳）: Sentinel-1 GRD画像の多重時間スペックル削減のための高速戦略
• Authors: In\`es Meraoumia, Emanuele Dalsasso, Lo\"ic Denis, Florence Tupin
• Abstract要約: 本稿では,SAR2SARという単一画像の切り離しアルゴリズムを用いた2つの高速戦略をマルチテンポラリ・フレームワークで検討する。 1つはQueganフィルタに基づいており、SAR2SARによる局所反射率事前推定を置き換える。 2つ目は、SAR2SARを使用して、「スーパーイメージ」の形で多時間情報を符号化する比画像からスペックルを抑圧する。
• 参考スコア（独自算出の注目度）: 3.5136650608171833
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Reducing speckle and limiting the variations of the physical parameters in Synthetic Aperture Radar (SAR) images is often a key-step to fully exploit the potential of such data. Nowadays, deep learning approaches produce state of the art results in single-image SAR restoration. Nevertheless, huge multi-temporal stacks are now often available and could be efficiently exploited to further improve image quality. This paper explores two fast strategies employing a single-image despeckling algorithm, namely SAR2SAR, in a multi-temporal framework. The first one is based on Quegan filter and replaces the local reflectivity pre-estimation by SAR2SAR. The second one uses SAR2SAR to suppress speckle from a ratio image encoding the multi-temporal information under the form of a "super-image", i.e. the temporal arithmetic mean of a time series. Experimental results on Sentinel-1 GRD data show that these two multi-temporal strategies provide improved filtering results while adding a limited computational cost.
• Abstract（参考訳）: SAR(Synthetic Aperture Radar)画像におけるスペックルの削減と物理パラメータの変動の制限は、多くの場合、そのようなデータの可能性を完全に活用するための重要なステップである。 現在、ディープラーニングアプローチは、単一の画像のSAR復元において、アート結果の状態を生んでいる。 それでも、巨大なマルチテンポラリスタックがしばしば利用可能となり、画像の品質をさらに向上するために効率的に利用することができる。 本稿では,SAR2SARという単一画像の切り離しアルゴリズムを用いた2つの高速戦略をマルチテンポラリ・フレームワークで検討する。 1つはQueganフィルタに基づいており、SAR2SARによる局所反射率事前推定を置き換える。 2つ目は、SAR2SARを使用して、時系列の時間的算術平均(super-image)という形で多重時間情報を符号化する比画像からスペックルを抑圧する。 Sentinel-1 GRDデータによる実験結果から,これらの2つのマルチ時間戦略は,計算コストを抑えながらフィルタリング結果を改善することを示した。

関連論文リスト

• Frequency-Guided Masking for Enhanced Vision Self-Supervised Learning [49.275450836604726]
  本稿では、事前学習の有効性を大幅に向上させる、新しい周波数ベースの自己監視学習(SSL)手法を提案する。 我々は、知識蒸留によって強化された2ブランチのフレームワークを使用し、モデルがフィルタされた画像と原画像の両方を入力として取り込むことを可能にする。
  論文  参考訳（メタデータ） (2024-09-16T15:10:07Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Multi-temporal speckle reduction with self-supervised deep neural networks [2.9979894869734927]
  最新の技術は、様々な構造や独特のテクスチャをSAR画像に復元するために、ディープニューラルネットワークに依存している。 スペックルフィルタは一般的に合成開口レーダ(SAR)画像の解析に必須である。 我々は、MERLINと呼ばれるシングルルック複雑なSAR画像に対する、近年の自己教師型トレーニング戦略を、マルチテンポラルフィルタリングの場合に拡張する。
  論文  参考訳（メタデータ） (2022-07-22T14:08:22Z)
• Real-World Image Super-Resolution by Exclusionary Dual-Learning [98.36096041099906]
  実世界の画像超解像は,高品質な画像を得るための実用的な画像復元問題である。 深層学習に基づく手法は、現実世界の超解像データセットの復元に期待できる品質を実現している。 本稿では,RWSR-EDL(Real-World Image Super-Resolution by Exclusionary Dual-Learning)を提案する。
  論文  参考訳（メタデータ） (2022-06-06T13:28:15Z)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)
• Exploiting multi-temporal information for improved speckle reduction of Sentinel-1 SAR images by deep learning [3.506018346865459]
  深層学習によるSAR振幅画像のスペックル低減効果は前例がない。 本稿では,時間的情報を深層ニューラルネットワークに統合し,スペックル抑制を実現するためのフレキシブルかつ効率的な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-01T07:48:55Z)
• MuCAN: Multi-Correspondence Aggregation Network for Video Super-Resolution [63.02785017714131]
  ビデオ超解像(VSR)は、複数の低解像度フレームを使用して、各フレームに対して高解像度の予測を生成することを目的としている。 フレーム間およびフレーム内は、時間的および空間的情報を利用するための鍵となるソースである。 VSRのための効果的なマルチ対応アグリゲーションネットワーク(MuCAN)を構築した。
  論文  参考訳（メタデータ） (2020-07-23T05:41:27Z)
• SAR2SAR: a semi-supervised despeckling algorithm for SAR images [3.9490074068698]
  本稿では,自己超越型ディープラーニングアルゴリズムSAR2SARを提案する。 時間的変化の補償と、スペックル統計に適応した損失関数に基づいて、SAR非特異化に適応する戦略を提示する。 提案アルゴリズムの可能性を示すために,実画像における結果について考察する。
  論文  参考訳（メタデータ） (2020-06-26T15:07:28Z)
• Unlimited Resolution Image Generation with R2D2-GANs [69.90258455164513]
  本稿では,任意の解像度の高品質な画像を生成するための新しいシミュレーション手法を提案する。 この方法では、フル長のミッション中に収集したソナースキャンと同等の大きさのソナースキャンを合成することができる。 生成されたデータは、連続的で、現実的に見え、また、取得の実際の速度の少なくとも2倍の速さで生成される。
  論文  参考訳（メタデータ） (2020-03-02T17:49:32Z)
• DuDoRNet: Learning a Dual-Domain Recurrent Network for Fast MRI Reconstruction with Deep T1 Prior [19.720518236653195]
  深部T1を組み込んだDuDoRNet(DuDoRNet)を提案し,k空間と画像の同時復元を行う。 提案手法は常に最先端の手法より優れており,高品質なMRIを再構築することができる。
  論文  参考訳（メタデータ） (2020-01-11T21:34:48Z)

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。