論文の概要: SAGE-NDVI: A Stereotype-Breaking Evaluation Metric for Remote Sensing
Image Dehazing Using Satellite-to-Ground NDVI Knowledge
- arxiv url: http://arxiv.org/abs/2306.06288v1
- Date: Fri, 9 Jun 2023 22:29:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 19:52:22.854483
- Title: SAGE-NDVI: A Stereotype-Breaking Evaluation Metric for Remote Sensing
Image Dehazing Using Satellite-to-Ground NDVI Knowledge
- Title（参考訳）: SAGE-NDVI:衛星間NDVI知識を用いたリモートセンシング画像デハージングのためのステレオタイプブラッキング評価指標
- Authors: Zepeng Liu, Zhicheng Yang, Mingye Zhu, Andy Wong, Yibing Wei, Mei Han,
Jun Yu, Jui-Hsin Lai
- Abstract要約: リモートセンシング(RS)画像に基づく産業展開シナリオでは、画像のデハージングの質が作物の識別および成長監視製品の品位に直接影響を与える。
本稿では,RS画像復調評価のための新しい客観的指標を設計する。
- 参考スコア（独自算出の注目度）: 15.389028295437974
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image dehazing is a meaningful low-level computer vision task and can be
applied to a variety of contexts. In our industrial deployment scenario based
on remote sensing (RS) images, the quality of image dehazing directly affects
the grade of our crop identification and growth monitoring products. However,
the widely used peak signal-to-noise ratio (PSNR) and structural similarity
index (SSIM) provide ambiguous visual interpretation. In this paper, we design
a new objective metric for RS image dehazing evaluation. Our proposed metric
leverages a ground-based phenology observation resource to calculate the
vegetation index error between RS and ground images at a hazy date. Extensive
experiments validate that our metric appropriately evaluates different dehazing
models and is in line with human visual perception.
- Abstract（参考訳）: イメージデハジングは意味のある低レベルのコンピュータビジョンタスクであり、様々な状況に適用することができる。
リモートセンシング(RS)画像に基づく産業展開シナリオでは、画像のデハージングの質が作物の識別および成長監視製品の品位に直接影響を与える。
しかし、広く使われているピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)は曖昧な視覚的解釈を提供する。
本稿では,rs画像デハジング評価のための新しい客観的指標を考案する。
提案手法では,地上現象観測資源を活用し,静止日におけるrsと地上画像の植生指標誤差を算出した。
広範な実験により、測定値が異なるデハジングモデルを適切に評価し、人間の視覚知覚と一致していることが確認された。
関連論文リスト
- Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。
それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。
以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
論文 参考訳（メタデータ） (2024-11-12T01:17:27Z) - Semantic Guided Large Scale Factor Remote Sensing Image Super-resolution with Generative Diffusion Prior [13.148815217684277]
大規模因子超解像(SR)アルゴリズムは、軌道から取得した低解像度(LR)衛星データの最大化に不可欠である。
既存の手法では、鮮明なテクスチャと正しい接地オブジェクトでSR画像を復元する際の課題に直面している。
本稿では,大規模リモートセンシング画像の超解像を実現するための新しいフレームワークであるセマンティックガイド拡散モデル(SGDM)を提案する。
論文 参考訳（メタデータ） (2024-05-11T16:06:16Z) - Estimating Physical Information Consistency of Channel Data Augmentation for Remote Sensing Images [3.063197102484114]
本稿では,チャネル拡張手法がRS画像の物理情報に影響を及ぼすかどうかを推定する手法を提案する。
物理一貫性を評価するために,オリジナルおよび拡張ピクセルシグネチャに関連するスコアを比較した。
論文 参考訳（メタデータ） (2024-03-21T16:48:45Z) - Dehazed Image Quality Evaluation: From Partial Discrepancy to Blind
Perception [35.257798506356814]
画像のデハジングは、ぼんやりとした画像から空間的詳細を復元することを目的としている。
本稿では,部分的不一致に基づく画像品質評価手法を提案する。
Blind Perceptionを用いたNo-Reference品質評価尺度に拡張する。
論文 参考訳（メタデータ） (2022-11-22T23:49:14Z) - Remote Sensing Image Classification using Transfer Learning and
Attention Based Deep Neural Network [59.86658316440461]
本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。
提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
論文 参考訳（メタデータ） (2022-06-20T10:05:38Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - Textural-Structural Joint Learning for No-Reference Super-Resolution
Image Quality Assessment [59.91741119995321]
我々は、TSNetと呼ばれる品質予測のためのテキスト情報と構造情報を共同で探索するデュアルストリームネットワークを開発した。
画像の重要な領域に注意を払っている人間の視覚システム(HVS)を模倣することにより、視覚に敏感な領域をより区別しやすくするための空間的注意機構を開発する。
実験の結果,提案したTSNetは現状のIQA法よりも視覚的品質を正確に予測し,人間の視点との整合性を示した。
論文 参考訳（メタデータ） (2022-05-27T09:20:06Z) - Remote Sensing Image Classification with the SEN12MS Dataset [1.7894377200944511]
我々はsen12msデータセットの分類指向変換を提案する。
これにより、2つの標準cnnアーキテクチャと異なる入力データ設定に基づくいくつかのベースラインモデルの結果が得られる。
我々は,リモートセンシング画像分類のベンチマークをサポートし,従来のRGB画像に対するマルチスペクトルデータとマルチセンサデータ融合の利点に関する知見を提供する。
論文 参考訳（メタデータ） (2021-04-01T18:15:16Z) - Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision
Action Recognition [131.6328804788164]
本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。
SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
論文 参考訳（メタデータ） (2020-09-01T03:38:31Z) - Beyond Photometric Consistency: Gradient-based Dissimilarity for
Improving Visual Odometry and Stereo Matching [46.27086269084186]
本稿では,光度誤差の考え方に基づく画像の登録のための新しい指標について検討する。
ステレオ推定とビジュアルオドメトリーシステムの両方に統合し、典型的な相違と直接画像登録タスクに明確な利点を示す。
論文 参考訳（メタデータ） (2020-04-08T16:13:25Z)
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。