論文の概要: Guided Scale Space Radon Transform for linear structures detection

• arxiv url: http://arxiv.org/abs/2311.09103v1
• Date: Wed, 15 Nov 2023 16:50:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-16 15:04:49.235751
• Title: Guided Scale Space Radon Transform for linear structures detection
• Title（参考訳）: 線形構造検出のための誘導スケール空間ラドン変換
• Authors: Aicha Baya Goumeidane, Djemel Ziou, and Nafaa Nacereddine
• Abstract要約: SSRTを用いて,グレースケールおよびバイナリ画像中の厚みのある線形構造を自動的に検出する手法を提案する。 本手法では,SSRTを計算中における画像のヘッセン方向を計算した。 その結果、SSRT空間におけるその後の最大検出は不要な部分から解放された変換空間上で行われる。
• 参考スコア（独自算出の注目度）: 1.7205106391379021
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Using integral transforms to the end of lines detection in images with complex background, makes the detection a hard task needing additional processing to manage the detection. As an integral transform, the Scale Space Radon Transform (SSRT) suffers from such drawbacks, even with its great abilities for thick lines detection. In this work, we propose a method to address this issue for automatic detection of thick linear structures in gray scale and binary images using the SSRT, whatever the image background content. This method involves the calculated Hessian orientations of the investigated image while computing its SSRT, in such a way that linear structures are emphasized in the SSRT space. As a consequence, the subsequent maxima detection in the SSRT space is done on a modified transform space freed from unwanted parts and, consequently, from irrelevant peaks that usually drown the peaks representing lines. Besides, highlighting the linear structure in the SSRT space permitting, thus, to efficiently detect lines of different thickness in synthetic and real images, the experiments show also the method robustness against noise and complex background.
• Abstract（参考訳）: 複雑な背景を持つ画像の行検出の終端に積分変換を用いると、検出を管理するために追加の処理が必要となる。 積分変換として、スケール・スペース・ラドン変換(SSRT)は、厚い線の検出に優れた能力を持つにもかかわらず、そのような欠点に悩まされる。 そこで本研究では,SSRTを用いて,グレースケールの厚みのある線形構造を自動的に検出する手法を提案する。 この方法は、SSRT空間において線形構造が強調されるように、SSRTを計算しながら、解析された画像のヘシアン配向を含む。 その結果、SSRT空間における次の最大値の検出は、不要な部分から解放された変換空間上で行われ、その結果、通常はラインを表すピークが溺れてしまう。 また,ssrt空間の線形構造に着目し,合成画像や実画像における厚さの異なる線を効率的に検出するために,雑音や複雑な背景に対するロバスト性を示す実験を行った。

関連論文リスト

• WAVE-UNET: Wavelength based Image Reconstruction method using attention UNET for OCT images [1.0835264351334324]
  本稿では, ラムダ空間から直接, 高品質なOCT画像を再構成し, 複雑さを軽減するための体系的設計手法WAVE-UNETを提案する。 このフレームワークは、IDFT処理されたラムダ空間フリンジを入力として、アテンションゲーティングと残差接続を持つ修正UNETを使用している。 この方法は、時間複雑度を著しく低減した良質なBスキャンを生成することによって、従来のOCTシステムより一貫して優れる。
  論文  参考訳（メタデータ） (2024-10-05T11:16:10Z)
• Linear Anchored Gaussian Mixture Model for Location and Width Computations of Objects in Thick Line Shape [1.7205106391379021]
  3次元画像グレーレベル表現は、統計分布の有限混合モデルであると考えられている。 入力データとして元の画像を用いた期待最大化アルゴリズム(Algo1)を用いてモデルパラメータを推定する。 修正EMアルゴリズム(Algo2)について詳述する。
  論文  参考訳（メタデータ） (2024-04-03T20:05:00Z)
• Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
  本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。 提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
  論文  参考訳（メタデータ） (2023-11-30T13:50:21Z)
• Sub-token ViT Embedding via Stochastic Resonance Transformers [51.12001699637727]
  Vision Transformer (ViT) アーキテクチャは、画像を高次元のベクトル化トークンの集合として表現し、それぞれが長方形の非重複パッチに対応する。 我々は「確率共鳴」にインスパイアされた無訓練法を提案する。 結果として得られるSRT(Stochastic Resonance Transformer)は、元の表現のリッチな意味情報を保持するが、空間的トークン化の粗い効果を軽減し、より微細な空間領域に基盤を置いている。
  論文  参考訳（メタデータ） (2023-10-06T01:53:27Z)
• Self-Calibrating, Fully Differentiable NLOS Inverse Rendering [15.624750787186803]
  NLOS(Time-resolved Non-line-of-Sight)イメージングは、可視光線面で測定された間接照明の光路を反転させることで、隠れたシーンを再構成する。 隠れたシーンの再構成において、画像パラメータを自己校正する完全微分可能なNLOS逆レンダリングパイプラインを導入する。 本手法のロバスト性は, 高い騒音レベル下であっても, 幾何とアルベドを一貫して再構成するものである。
  論文  参考訳（メタデータ） (2023-09-21T13:15:54Z)
• Entropy Transformer Networks: A Learning Approach via Tangent Bundle Data Manifold [8.893886200299228]
  本稿では,CNNアーキテクチャの設計における画像変換の高精度かつ高速なアプローチについて述べる。 データ多様体分布を補間する新しいエントロピーSTN(ESTN)を提案する。 挑戦的なベンチマークの実験は、提案されたESTNがコンピュータビジョンタスクの範囲で予測精度を向上させることを示している。
  論文  参考訳（メタデータ） (2023-07-24T04:21:51Z)
• Exploring Invariant Representation for Visible-Infrared Person Re-Identification [77.06940947765406]
  異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。 本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。 RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
  論文  参考訳（メタデータ） (2023-02-02T05:24:50Z)
• On Scale Space Radon Transform, Properties and Application in CT Image Reconstruction [1.9336815376402718]
  我々は,X線ビームをSSRT (Scale Space Radon Transform) でモデル化することを提案する。 SSRT法は,プロジェクション数を減らす場合,特にRTに基づく手法よりも優れていた。 実験により, SSRT-FBPはポアソン・ガウス雑音劣化CTデータに対してより堅牢であることが示された。
  論文  参考訳（メタデータ） (2022-05-10T21:55:26Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)
• Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery [79.69449412334188]
  本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。 本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。 実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
  論文  参考訳（メタデータ） (2020-05-18T14:25:50Z)
• Light Field Spatial Super-resolution via Deep Combinatorial Geometry Embedding and Structural Consistency Regularization [99.96632216070718]
  ハンドヘルドデバイスが取得した光フィールド(LF)画像は通常、空間分解能の低下に悩まされる。 LF画像の高次元空間特性と複雑な幾何学構造は、従来の単一像SRよりも問題をより困難にしている。 本稿では,LF画像の各ビューを個別に超解答する新しい学習ベースLFフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-05T14:39:57Z)

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。