論文の概要: Deep Linear Array Pushbroom Image Restoration: A Degradation Pipeline
and Jitter-Aware Restoration Network
- arxiv url: http://arxiv.org/abs/2401.08171v1
- Date: Tue, 16 Jan 2024 07:26:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 14:49:18.555010
- Title: Deep Linear Array Pushbroom Image Restoration: A Degradation Pipeline
and Jitter-Aware Restoration Network
- Title（参考訳）: ディープリニアアレイプッブルーム画像復元 : 劣化パイプラインとジッタアウェア復元ネットワーク
- Authors: Zida Chen, Ziran Zhang, Haoying Li, Menghao Li, Yueting Chen, Qi Li,
Huajun Feng, Zhihai Xu, Shiqi Chen
- Abstract要約: リニアアレイプッシュブルーム(LAP)イメージング技術はリモートセンシングの領域で広く利用されている。
点拡散関数(PSF)を推定するアルゴリズムなど、従来のLAP画像の復元手法は、限られた性能を示す。
本稿では,2段階の歪みとぼかしを除去するjitter-Aware Restoration Network (JARNet)を提案する。
- 参考スコア（独自算出の注目度）: 26.86292926584254
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Linear Array Pushbroom (LAP) imaging technology is widely used in the realm
of remote sensing. However, images acquired through LAP always suffer from
distortion and blur because of camera jitter. Traditional methods for restoring
LAP images, such as algorithms estimating the point spread function (PSF),
exhibit limited performance. To tackle this issue, we propose a Jitter-Aware
Restoration Network (JARNet), to remove the distortion and blur in two stages.
In the first stage, we formulate an Optical Flow Correction (OFC) block to
refine the optical flow of the degraded LAP images, resulting in pre-corrected
images where most of the distortions are alleviated. In the second stage, for
further enhancement of the pre-corrected images, we integrate two jitter-aware
techniques within the Spatial and Frequency Residual (SFRes) block: 1)
introducing Coordinate Attention (CoA) to the SFRes block in order to capture
the jitter state in orthogonal direction; 2) manipulating image features in
both spatial and frequency domains to leverage local and global priors.
Additionally, we develop a data synthesis pipeline, which applies Continue
Dynamic Shooting Model (CDSM) to simulate realistic degradation in LAP images.
Both the proposed JARNet and LAP image synthesis pipeline establish a
foundation for addressing this intricate challenge. Extensive experiments
demonstrate that the proposed two-stage method outperforms state-of-the-art
image restoration models. Code is available at
https://github.com/JHW2000/JARNet.
- Abstract（参考訳）: リニアアレイプッシュブルーム(LAP)イメージング技術はリモートセンシングの領域で広く利用されている。
しかし、LAPで取得した画像は、常にカメラジッタのために歪みやぼやけに悩まされる。
点拡散関数(PSF)を推定するアルゴリズムなど、従来のLAP画像の復元手法は、限られた性能を示す。
この問題に対処するため,二段階の歪みとぼかしを除去するjitter-Aware Restoration Network (JARNet)を提案する。
第1段階では,光学的流れ補正(OFC)ブロックを定式化し,劣化したLAP画像の光学的流れを改良し,歪みの大部分を緩和した補正画像を生成する。
第2段階では、補正済み画像のさらなる向上のために、空間及び周波数残差(SFRe)ブロックに2つのジッタ認識技術を統合する。
1) 直交方向のジッタ状態を取得するために,SFRブロックにコーディネート注意(CoA)を導入する。
2)局所的および大域的優先順位を活用するために,空間領域と周波数領域の両方で画像特徴を操作する。
さらに,LAP画像の現実的な劣化をシミュレートするために,連続動的撮影モデル(CDSM)を適用したデータ合成パイプラインを開発した。
提案されたjarnetとlapイメージ合成パイプラインは、この複雑な課題に対処するための基盤を確立する。
広汎な実験により,提案手法は最先端画像復元モデルより優れていることが示された。
コードはhttps://github.com/JHW2000/JARNetで入手できる。
関連論文リスト
- ConsisSR: Delving Deep into Consistency in Diffusion-based Image Super-Resolution [28.945663118445037]
実世界の超解像(Real-ISR)は、未知の複雑な劣化によって劣化した低品質(LQ)入力から高品質(HQ)イメージを復元することを目的としている。
セマンティックとピクセルレベルの整合性を扱うためにConsisSRを導入する。
論文 参考訳（メタデータ） (2024-10-17T17:41:52Z) - DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳（メタデータ） (2023-12-12T06:07:21Z) - Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。
このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。
本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
論文 参考訳（メタデータ） (2023-08-10T07:53:06Z) - DR2: Diffusion-based Robust Degradation Remover for Blind Face
Restoration [66.01846902242355]
ブラインド顔復元は通常、トレーニングのための事前定義された劣化モデルで劣化した低品質データを合成する。
トレーニングデータに現実のケースをカバーするために、あらゆる種類の劣化を含めることは、高価で実現不可能である。
本稿では、まず、劣化した画像を粗いが劣化不変な予測に変換し、次に、粗い予測を高品質な画像に復元するために拡張モジュールを使用するロバスト劣化再帰法(DR2)を提案する。
論文 参考訳（メタデータ） (2023-03-13T06:05:18Z) - Degradation-Aware Unfolding Half-Shuffle Transformer for Spectral
Compressive Imaging [142.11622043078867]
圧縮画像と物理マスクからパラメータを推定し,これらのパラメータを用いて各イテレーションを制御する,DAUF(Degradation-Aware Unfolding Framework)を提案する。
HST を DAUF に接続することにより,HSI 再構成のための変換器の深部展開法であるデグレーション・アウェア・アンフォールディング・ハーフシャッフル変換器 (DAUHST) を確立した。
論文 参考訳（メタデータ） (2022-05-20T11:37:44Z) - A Differentiable Two-stage Alignment Scheme for Burst Image
Reconstruction with Large Shift [13.454711511086261]
バースト画像、すなわちJDD-Bのための共同デノジングとデモサック(JDD)が注目されている。
JDD-Bの重要な課題は、画像フレームのロバストなアライメントにある。
本稿では, JDD-B を効果的に活用するための2段階アライメント方式を提案する。
論文 参考訳（メタデータ） (2022-03-17T12:55:45Z) - Bringing Rolling Shutter Images Alive with Dual Reversed Distortion [75.78003680510193]
ローリングシャッター(RS)歪みは、時間とともにインスタントグローバルシャッター(GS)フレームから一列のピクセルを選択した結果であると解釈することができる。
我々は、RS時間における速度場の反復学習を通して、デュアル光流列を生成するための新しいエンド・ツー・エンドモデルIFEDを開発した。
論文 参考訳（メタデータ） (2022-03-12T14:57:49Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z) - Deep Atrous Guided Filter for Image Restoration in Under Display Cameras [18.6418313982586]
ディスプレイカメラの下では、カメラを半透明のOLEDスクリーンの後ろに配置することで、ベゼルのないディスプレイを実現することができる。
このようなイメージングシステムは、光の減衰と回折効果による画像劣化に悩まされる。
UDCシステムにおける画像復元のための2段階のエンド・ツー・エンドアプローチであるDeep Atrous Guided Filter(DAGF)を提案する。
論文 参考訳（メタデータ） (2020-08-14T07:54:52Z)
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。