論文の概要: A Novel Defocus-Blur Region Detection Approach Based on DCT Feature and PCNN Structure

• arxiv url: http://arxiv.org/abs/2311.12845v1
• Date: Thu, 12 Oct 2023 10:58:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 15:20:31.333637
• Title: A Novel Defocus-Blur Region Detection Approach Based on DCT Feature and PCNN Structure
• Title（参考訳）: DCT特徴とPCNN構造に基づく新しいデフォーカス・ブル領域検出手法
• Authors: Sadia Basar, Mushtaq Ali, Abdul Waheed, Muneer Ahmad and Mahdi H. Miraz
• Abstract要約: 本研究では、離散コサイン変換(DCT)係数とPCニューラルネット(PCNN)構造に基づく新しいハイブリッド検出手法を提案する。 視覚的および定量的評価は、提案手法が参照アルゴリズムの精度と効率において優れていたことを示している。
• 参考スコア（独自算出の注目度）: 4.086098684345016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The motion or out-of-focus effect in digital images is the main reason for the blurred regions in defocused-blurred images. It may adversely affect various image features such as texture, pixel, and region. Therefore, it is important to detect in-focused objects in defocused-blurred images after the segmentation of blurred and non-blurred regions. The state-of-the-art techniques are prone to noisy pixels, and their local descriptors for developing segmentation metrics are also complex. To address these issues, this research, therefore, proposed a novel and hybrid-focused detection approach based on Discrete Cosine Transform (DCT) coefficients and PC Neural Net (PCNN) structure. The proposed approach partially resolves the limitations of the existing contrast schemes to detect in-focused smooth objects from the out-of-focused smooth regions in the defocus dataset. The visual and quantitative evaluation illustrates that the proposed approach outperformed in terms of accuracy and efficiency to referenced algorithms. The highest F-score of the proposed approach on Zhao's dataset is 0.7940 whereas on Shi's dataset is 0.9178.
• Abstract（参考訳）: デジタル画像における動きや焦点のずれの影響は、焦点がずれた画像のぼやけた領域の主な原因である。 テクスチャ、ピクセル、領域といった様々な画像特徴に悪影響を及ぼす可能性がある。 したがって、ぼやけた領域と非ぼやけた領域のセグメンテーション後、ぼやけた画像中の被写体を検出することが重要である。 最先端技術はノイズの多いピクセルに傾向があり、セグメンテーションメトリクスを開発するためのローカル記述子も複雑である。 そこで本研究では,離散コサイン変換(dct)係数とpcニューラルネット(pcnn)構造に基づく新しいハイブリッド型検出手法を提案する。 提案手法は,既存のコントラストスキームの制約を部分的に解決し,デフォーカスデータセットの領域外から焦点内滑らかな物体を検出する。 視覚的・定量的評価は,提案手法が参照アルゴリズムの精度と効率の面で優れていることを示す。 提案されたZhaoのデータセットに対するアプローチの最高スコアは0.7940であり、Shiのデータセットは0.9178である。

関連論文リスト

• SAMF: Small-Area-Aware Multi-focus Image Fusion for Object Detection [6.776991635789825]
  既存のマルチフォーカス画像融合法(MFIF)は、不確実な遷移領域を保存できないことが多い。 そこで本研究では,オブジェクト検出能力を向上させるためのMFIFアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-16T13:35:28Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
  病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。 核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。 提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
  論文  参考訳（メタデータ） (2023-01-24T17:54:01Z)
• Learnable Blur Kernel for Single-Image Defocus Deblurring in the Wild [9.246199263116067]
  本稿では,デフォーカスマップのガイダンスを用いて画像のデブロリングを実装する新しいデフォーカスデブロアリング法を提案する。 提案手法は,デフォーカスマップを推定する学習可能なぼかしカーネルと,デフォーカスGAN(Generative Adversarial Network)を初めてデフォーカスする単一イメージデフォーカスとから構成される。
  論文  参考訳（メタデータ） (2022-11-25T10:47:19Z)
• BaMBNet: A Blur-aware Multi-branch Network for Defocus Deblurring [74.34263243089688]
  畳み込みニューラルネットワーク(CNN)は、デフォーカス劣化問題に導入され、大きな進歩を遂げた。 本研究では,異なる領域(ブラー量が異なる)を区別して扱う新しいマルチブランチネットワーク(BaMBNet)を設計する。 定量的および定性的な実験は、BaMBNetが最先端の手法より優れていることを示している。
  論文  参考訳（メタデータ） (2021-05-31T07:55:30Z)
• Hierarchical Convolutional Neural Network with Feature Preservation and Autotuned Thresholding for Crack Detection [5.735035463793008]
  ドローンの画像はインフラ表面の欠陥の自動検査にますます使われている。 本稿では,階層型畳み込みニューラルネットワークを用いた深層学習手法を提案する。 提案手法は, 道路, 橋, 舗装の表面ひび割れの同定に応用されている。
  論文  参考訳（メタデータ） (2021-04-21T13:07:58Z)
• Towards Reducing Severe Defocus Spread Effects for Multi-Focus Image Fusion via an Optimization Based Strategy [22.29205225281694]
  マルチフォーカス画像融合(MFF)はオールインフォーカス画像を生成する一般的な技術である。 本稿では,デフォーカス拡散効果を低減するための最適化手法を提案する。 実世界データセット上で行った実験は,提案モデルの優位性を検証した。
  論文  参考訳（メタデータ） (2020-12-29T09:26:41Z)
• Robust Data Hiding Using Inverse Gradient Attention [82.73143630466629]
  データ隠蔽タスクでは、異なる耐久性を有するため、カバー画像の各ピクセルを別々に扱う必要がある。 Inverse Gradient Attention (IGA) を用いた新しい深層データ隠蔽方式を提案する。 実証的な実験により、提案モデルが2つの先行するデータセット上で最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-11-21T19:08:23Z)
• Deep Multi-Scale Feature Learning for Defocus Blur Estimation [10.455763145066168]
  本稿では,1つの非焦点画像からエッジベースのデフォーカスボケ推定手法を提案する。 まず、深さの不連続性(ぼかし推定が曖昧な)にあるエッジと、ほぼ一定の深さ領域にあるエッジ(ぼかし推定が適切に定義されたパターンエッジ)とを区別する。 パターンエッジのみにおけるデフォーカスのぼかし量を推定し,検出した深度エッジ間のデータ伝搬を防止し,適切に定義されたオブジェクト境界を持つ濃密なぼかしマップを得るためのガイド付きフィルタに基づくスキームを探索する。
  論文  参考訳（メタデータ） (2020-09-24T20:36:40Z)
• Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
  深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。 本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。 複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
  論文  参考訳（メタデータ） (2020-03-31T22:38:09Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。