論文の概要: Improving Log-Cumulant Based Estimation of Roughness Information in SAR
imagery
- arxiv url: http://arxiv.org/abs/2306.13200v1
- Date: Thu, 22 Jun 2023 20:53:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-26 14:16:54.255570
- Title: Improving Log-Cumulant Based Estimation of Roughness Information in SAR
imagery
- Title(参考訳): sar画像における粗さ情報のログ累積推定の改善
- Authors: Jeova Farias Sales Rocha Neto, and Francisco Alixandre Avila Rodrigues
- Abstract要約: 我々は,Log-Cumulants法を用いて$mathcalG0$分布におけるパラメータ推定の改善を提案する。
粗さ情報に基づく高速で信頼性の高いSAR画像理解を実現するために,この手法をいかに利用できるかを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Synthetic Aperture Radar (SAR) image understanding is crucial in remote
sensing applications, but it is hindered by its intrinsic noise contamination,
called speckle. Sophisticated statistical models, such as the $\mathcal{G}^0$
family of distributions, have been employed to SAR data and many of the current
advancements in processing this imagery have been accomplished through
extracting information from these models. In this paper, we propose
improvements to parameter estimation in $\mathcal{G}^0$ distributions using the
Method of Log-Cumulants. First, using Bayesian modeling, we construct that
regularly produce reliable roughness estimates under both $\mathcal{G}^0_A$ and
$\mathcal{G}^0_I$ models. Second, we make use of an approximation of the
Trigamma function to compute the estimated roughness in constant time, making
it considerably faster than the existing method for this task. Finally, we show
how we can use this method to achieve fast and reliable SAR image understanding
based on roughness information.
- Abstract(参考訳): SAR(Synthetic Aperture Radar)画像理解はリモートセンシングアプリケーションにおいて重要であるが、本質的なノイズ汚染によって妨げられている。
分布の$\mathcal{G}^0$のような高度化統計モデルは、SARデータに採用され、これらのモデルから情報を取り出すことにより、この画像の処理における現在の進歩の多くが達成されている。
本稿では,Log-Cumulants法を用いて,$\mathcal{G}^0$分布におけるパラメータ推定の改善を提案する。
まずベイズモデルを用いて, $\mathcal{G}^0_A$ と $\mathcal{G}^0_I$ の両方のモデルの下で,信頼できる粗さ推定を定期的に生成する。
第二に、Trigamma関数の近似を用いて、推定された粗さを一定時間で計算し、既存の手法よりもかなり高速に処理する。
最後に,この手法を用いて粗さ情報に基づく高速で信頼性の高いsar画像理解を実現する方法を示す。
関連論文リスト
- On diffusion-based generative models and their error bounds: The log-concave case with full convergence estimates [5.13323375365494]
我々は,強い対数空間データ分布を仮定して,拡散に基づく生成モデルの収束挙動を理論的に保証する。
我々は、モチベーションの例を通して、未知の平均を持つガウス分布からサンプリングし、我々のアプローチの強力さを実証する。
この手法はサンプリングアルゴリズムにおいて最もよく知られた収束率をもたらす。
論文 参考訳(メタデータ) (2023-11-22T18:40:45Z) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。
提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳(メタデータ) (2023-11-20T12:08:23Z) - Using Neural Networks for Fast SAR Roughness Estimation of High
Resolution Images [2.6107298043931197]
本稿では,G_I0$サンプルの基本パラメータの予測方法を学習するニューラルネットワークに基づく推定フレームワークを提案する。
このアプローチは, より高速で, 予測誤差が少なく, 故障の危険性も低い推定器に繋がることを示す。
論文 参考訳(メタデータ) (2023-09-06T20:24:13Z) - The split Gibbs sampler revisited: improvements to its algorithmic
structure and augmented target distribution [1.1279808969568252]
現在の最先端の手法は、後部密度を滑らかな近似で置き換えることによってこれらの問題に対処することが多い。
別のアプローチはデータ拡張と緩和に基づいており、補助変数を導入して近似的な拡張後分布を構築する。
本稿では,2つの戦略の利点を密結合した潜在空間SK-ROCKと呼ばれる,新しい加速近位MCMC法を提案する。
論文 参考訳(メタデータ) (2022-06-28T11:21:41Z) - Improved Convergence Rates for Sparse Approximation Methods in
Kernel-Based Learning [48.08663378234329]
カーネル・リッジ・レグレッションやガウシアン・プロセスのようなカーネル・ベース・モデルは機械学習の応用においてユビキタスである。
既存のスパース近似法は計算コストを大幅に削減することができる。
我々は,Nystr"om法と疎変動ガウス過程近似法に対して,新しい信頼区間を提供する。
論文 参考訳(メタデータ) (2022-02-08T17:22:09Z) - Fully Adaptive Bayesian Algorithm for Data Analysis, FABADA [0.0]
本稿では,ベイズ推定の観点から,新しい非パラメトリック雑音低減手法について述べる。
データのスムーズなバージョン、スムーズなモデルを繰り返し評価し、基礎となる信号の推定値を得る。
繰り返しは、最後の滑らかなモデルの証拠と$chi2$統計に基づいて停止し、信号の期待値を計算する。
論文 参考訳(メタデータ) (2022-01-13T18:54:31Z) - Sample and Computation Redistribution for Efficient Face Detection [137.19388513633484]
トレーニングデータサンプリングと計算分布戦略は、効率的で正確な顔検出の鍵です。
scrfdf34は、最高の競合製品であるTinaFaceを3.86%(ハードセットでのAP)で上回り、GPU上でVGA解像度画像でmph3$times$より高速です。
論文 参考訳(メタデータ) (2021-05-10T23:51:14Z) - SLOE: A Faster Method for Statistical Inference in High-Dimensional
Logistic Regression [68.66245730450915]
実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。
私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
論文 参考訳(メタデータ) (2021-03-23T17:48:56Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳(メタデータ) (2020-07-20T12:07:48Z) - SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for
Gaussian Process Regression with Derivatives [86.01677297601624]
本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。
我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
論文 参考訳(メタデータ) (2020-03-05T14:33:20Z)
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。