論文の概要: PolMERLIN: Self-Supervised Polarimetric Complex SAR Image Despeckling
with Masked Networks
- arxiv url: http://arxiv.org/abs/2401.07503v1
- Date: Mon, 15 Jan 2024 07:06:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 17:43:07.910228
- Title: PolMERLIN: Self-Supervised Polarimetric Complex SAR Image Despeckling
with Masked Networks
- Title(参考訳): PolMERLIN:Masked Networksを用いた自己監督型偏光複合SAR画像
- Authors: Shunya Kato, Masaki Saito, Katsuhiko Ishiguro, Sol Cummings
- Abstract要約: 脱スペックリングは合成開口レーダ(SAR)画像の品質向上に重要なノイズ低減タスクである。
既存の方法は単一偏光画像のみを扱うため、現代の衛星が捉えた多重偏光画像は扱えない。
本稿では,分極関係を利用したチャネルマスキング手法を提案する。
- 参考スコア(独自算出の注目度): 2.580765958706854
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despeckling is a crucial noise reduction task in improving the quality of
synthetic aperture radar (SAR) images. Directly obtaining noise-free SAR images
is a challenging task that has hindered the development of accurate despeckling
algorithms. The advent of deep learning has facilitated the study of denoising
models that learn from only noisy SAR images. However, existing methods deal
solely with single-polarization images and cannot handle the multi-polarization
images captured by modern satellites. In this work, we present an extension of
the existing model for generating single-polarization SAR images to handle
multi-polarization SAR images. Specifically, we propose a novel self-supervised
despeckling approach called channel masking, which exploits the relationship
between polarizations. Additionally, we utilize a spatial masking method that
addresses pixel-to-pixel correlations to further enhance the performance of our
approach. By effectively incorporating multiple polarization information, our
method surpasses current state-of-the-art methods in quantitative evaluation in
both synthetic and real-world scenarios.
- Abstract(参考訳): 脱スペックリングは合成開口レーダ(SAR)画像の品質向上に重要なノイズ低減タスクである。
ノイズのないsar画像を直接取得することは、正確なデスペックリングアルゴリズムの開発を妨げる課題である。
深層学習の出現は、ノイズの多いSAR画像のみから学習するデノイングモデルの研究を促進する。
しかし、既存の方法は単一偏光画像のみを扱うため、現代の衛星が捉えた多重偏光画像は扱えない。
本稿では,マルチポーラライズsar画像を扱うために,単一偏波sar画像を生成する既存モデルの拡張について述べる。
具体的には, 偏光関係を利用したチャネルマスキングという, 自己教師付き脱スペックリング手法を提案する。
さらに,画素間相関に対処する空間マスキング手法を用いて,提案手法の性能をさらに向上する。
複数の偏光情報を効果的に組み込むことで,本手法は,合成シナリオと実世界のシナリオの定量的評価において,現在の最先端手法を超越する。
関連論文リスト
- Single Image Compressed Sensing MRI via a Self-Supervised Deep Denoising
Approach [4.752084030395196]
本稿では,CSアーティファクトの密集度と疎集度を両立できる,単一画像・自己監督型(SS)CS-MRIフレームワークを提案する。
この手法は、スパース再構成を仮定し、あるいはノイズのない画像を生成するためにCNNの帰納バイアスにのみ依存する、構造化されたCSアーチファクトを効果的に抑制する。
論文 参考訳(メタデータ) (2023-11-22T04:14:42Z) - Learning from Multi-Perception Features for Real-Word Image
Super-resolution [87.71135803794519]
入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。
本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。
また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
論文 参考訳(メタデータ) (2023-05-26T07:35:49Z) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳(メタデータ) (2022-06-09T14:00:26Z) - Hierarchical Similarity Learning for Aliasing Suppression Image
Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。
HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文 参考訳(メタデータ) (2022-06-07T14:55:32Z) - Self-Supervised Super-Resolution for Multi-Exposure Push-Frame
Satellites [13.267489927661797]
提案手法は,入力中の信号依存ノイズ,任意の長さのプロセスシーケンスを処理し,露光時の不正確さに頑健である。
現実の高解像度フレームを必要とせずに、セルフスーパービジョンでエンドツーエンドでトレーニングすることができる。
提案手法を合成および実データ上で評価し,既存の単一露光手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-05-04T12:42:57Z) - Fully Polarimetric SAR and Single-Polarization SAR Image Fusion Network [8.227845719405051]
完全偏光合成開口レーダ(PolSAR)と単偏光合成開口レーダSAR(SinSAR)画像融合ネットワークを提案する。
偏光分解と偏光シグネチャの実験は、偏光情報がよく維持されていることを示している。
論文 参考訳(メタデータ) (2021-07-18T03:51:04Z) - Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。
提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
論文 参考訳(メタデータ) (2021-07-02T11:55:40Z) - Boosting Image Super-Resolution Via Fusion of Complementary Information
Captured by Multi-Modal Sensors [21.264746234523678]
イメージスーパーレゾリューション(sr)は、低解像度光センサの画質を向上させる有望な技術である。
本稿では,安価なチャネル(可視・深度)からの補完情報を活用して,少ないパラメータを用いて高価なチャネル(熱)の画像品質を向上させる。
論文 参考訳(メタデータ) (2020-12-07T02:15:28Z) - Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid
Learning [48.890709236564945]
小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。
本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。
提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
論文 参考訳(メタデータ) (2020-07-04T08:23:07Z) - SAR2SAR: a semi-supervised despeckling algorithm for SAR images [3.9490074068698]
本稿では,自己超越型ディープラーニングアルゴリズムSAR2SARを提案する。
時間的変化の補償と、スペックル統計に適応した損失関数に基づいて、SAR非特異化に適応する戦略を提示する。
提案アルゴリズムの可能性を示すために,実画像における結果について考察する。
論文 参考訳(メタデータ) (2020-06-26T15:07:28Z) - Single-Image HDR Reconstruction by Learning to Reverse the Camera
Pipeline [100.5353614588565]
本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。
我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。
提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
論文 参考訳(メタデータ) (2020-04-02T17:59:04Z)
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。