Fugu-MT 論文翻訳(概要): Data fusion of satellite imagery for generation of daily cloud free images at high resolution level

論文の概要: Data fusion of satellite imagery for generation of daily cloud free images at high resolution level

arxiv url: http://arxiv.org/abs/2302.12495v1
Date: Fri, 24 Feb 2023 07:29:13 GMT
ステータス: 処理完了
システム内更新日: 2023-02-27 14:13:16.313247
Title: Data fusion of satellite imagery for generation of daily cloud free images at high resolution level
Title（参考訳）: 高解像度クラウドフリー画像生成のための衛星画像のデータ融合
Authors: Natalya Ivanchuk (1), Peter Kogut (2) and Petro Martyniuk (1) ((1) National University of Water and Environmental Engineering Ukraine, (2) Oles Honchar Dnipro National University Ukraine)
Abstract要約: 我々は,Sentinel-2とMODISのマルチスペクトル衛星画像のDate Fusion問題に対する新しい変分的アプローチについて論じる。アプローチの重要なポイントは、MODIS画像がクラウドフリーであるのに対して、Sentinel-2の画像は雲やノイズによって破壊できることです。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we discuss a new variational approach to the Date Fusion problem of multi-spectral satellite images from Sentinel-2 and MODIS that have been captured at different resolution level and, arguably, on different days. The crucial point of our approach that the MODIS image is cloud-free whereas the images from Sentinel-2 can be corrupted by clouds or noise.
Abstract（参考訳）: 本稿では,Sentinel-2 と MODIS のマルチスペクトル衛星画像のDate Fusion 問題に対する新たな変分的アプローチについて論じる。当社のアプローチの要点は、MODIS画像がクラウドフリーであるのに対して、Sentinel-2の画像は雲やノイズによって破壊されることです。

関連論文リスト

Removing cloud shadows from ground-based solar imagery [0.33748750222488655]
本稿では,U-Netアーキテクチャに基づくクラウドシャドウの除去手法を提案し,古典的監視と条件付きGANを比較した。我々は,実画像と合成雲の新しいデータセットを用いて,2つの異なる画像モダリティについて評価を行った。
論文参考訳（メタデータ） (2024-07-18T10:38:24Z)
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)
Multitemporal and multispectral data fusion for super-resolution of Sentinel-2 images [11.169492436455423]
DeepSentは、Sentinel-2画像のマルチテンポラリ時系列を超解凍する新しいディープネットワークである。提案手法は,マルチテンポラル・マルチスペクトルデータ融合を実現する他の最先端技術よりも優れていることを示す。我々は,実世界のSentinel-2画像の超解像化に本手法を適用し,全スペクトル帯域の空間分解能を3.3mの地中サンプリング距離に向上させた。
論文参考訳（メタデータ） (2023-01-26T15:01:25Z)
Stereo Image Rain Removal via Dual-View Mutual Attention [55.79448042969012]
本稿では,2つのビュー間の十分な相互作用により,新しいアンダーラインStereo underline Image underlineRain underlineRemoval法(StereoIRR)を提案する。本稿では,StereoIRRが複数のデータセットにおいて,他のモノクラー・ステレオ画像雨除去法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-11-18T09:07:01Z)
MuS2: A Benchmark for Sentinel-2 Multi-Image Super-Resolution [6.480645418615952]
センチネル2データを含む衛星画像の空間分解能の不足は、多くの実用的なユースケースにおいて深刻な限界である。超高解像度リコンストラクションはリモートセンシングコミュニティからかなりの注目を集めている。我々は,Sentinel-2画像のマルチイメージ超解像再構成のための新しいMuS2ベンチマークを提案する。
論文参考訳（メタデータ） (2022-10-06T08:29:54Z)
Sentinel-1 and Sentinel-2 Spatio-Temporal Data Fusion for Clouds Removal [51.9654625216266]
雲崩壊した光画像復元のための新しい手法が,ジョイントデータ融合パラダイムに基づいて提案され,開発されている。 Sentinelのコードとデータセットはスクラッチから実装され、さらなる分析と調査のために興味のある研究が利用可能になった点に注目しておくとよいだろう。
論文参考訳（メタデータ） (2021-06-23T08:15:01Z)
Seeing Through Clouds in Satellite Images [14.84582204034532]
本稿では,衛星画像中の雲に隠されたピクセルを回復するためのニューラルネットワークベースのソリューションを提案する。我々は、雲を貫通する超高周波数帯の電波周波数(RF)信号を活用し、マルチスペクトル画像における隠蔽領域の再構成を支援する。
論文参考訳（メタデータ） (2021-06-15T20:01:27Z)
City-scale Scene Change Detection using Point Clouds [71.73273007900717]
2つの異なる時間にカメラを設置して撮影した画像を用いて都市の構造変化を検出する手法を提案する。変化検出のための2点雲の直接比較は、不正確な位置情報のため理想的ではない。この問題を回避するために,ポイントクラウド上での深層学習に基づく非厳密な登録を提案する。提案手法は,視点や照明の違いがあっても,シーン変化を効果的に検出できることを示す。
論文参考訳（メタデータ） (2021-03-26T08:04:13Z)
A deep network approach to multitemporal cloud detection [15.39911641413792]
Meteosat Second Generation (MSG) 衛星に搭載された Seviri Imager によって取得された画像時系列における雲を検出するための時間記憶付きディープラーニングモデルを提案する。モデルは、ピクセルレベルのクラウドマップと関連する信頼性を提供し、繰り返しニューラルネットワーク構造を介して時間の情報を伝達します。
論文参考訳（メタデータ） (2020-12-09T08:58:36Z)
Wavelet-Based Dual-Branch Network for Image Demoireing [148.91145614517015]
画像復調のための空間的注意機構を備えたウェーブレットベースのデュアルブランチネットワーク(WDNet)を設計する。我々のネットワークはウェーブレット領域のモアレパターンを除去し、モアレパターンの周波数を画像の内容から分離する。さらに,本手法の有効性を実証し,WDNetが非スクリーン画像上のモアレアーティファクトの除去を一般化することを示す。
論文参考訳（メタデータ） (2020-07-14T16:44:30Z)
HighRes-net: Recursive Fusion for Multi-Frame Super-Resolution of Satellite Imagery [55.253395881190436]
MFSR(Multi-frame Super-Resolution)は、問題に対するより根底的なアプローチを提供する。これは、地球上の人間の影響を衛星で観測する上で重要である。我々は,MFSRにおける最初のディープラーニングアプローチであるHighRes-netを紹介し,そのサブタスクをエンドツーエンドで学習する。
論文参考訳（メタデータ） (2020-02-15T22:17:47Z)

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。