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
- 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) - Supervised classification methods applied to airborne hyperspectral
images: Comparative study using mutual information [0.0]
本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。
実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
論文 参考訳(メタデータ) (2022-10-27T13:39:08Z) - 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) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳(メタデータ) (2021-06-14T21:57:40Z) - 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。