論文の概要: A Beam-Segmenting Polar Format Algorithm Based on Double PCS for Video
SAR Persistent Imaging
- arxiv url: http://arxiv.org/abs/2401.10252v1
- Date: Tue, 19 Dec 2023 14:39:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 17:39:56.749135
- Title: A Beam-Segmenting Polar Format Algorithm Based on Double PCS for Video
SAR Persistent Imaging
- Title（参考訳）: ビデオsar持続イメージングのためのダブルpcに基づくビームセグメンテーション極性フォーマットアルゴリズム
- Authors: Jiawei Jiang, Yinwei Li, Shaowen Luo, Ping Li and Yiming Zhu
- Abstract要約: ビデオアパーチャレーダ(SAR)は、高解像度、高フレームレート、連続観測の利点により近年注目されている。
スポットライトモードビデオSARのための極フォーマットアルゴリズム(PFA)のプロセスにおいて、波面曲率誤差(WCE)は画像サイズを制限し、2次元画像は効率に影響を与える。
上記の課題を解決するため,BS-PCS-PFAと呼ばれるチャープスケーリング(PCS)の原理に基づくビーム分割型PFAがビデオSARイメージングのために提案されている。
提案手法は, PFAの有効サイズを大幅に拡大し, 運転効率を向上する。
- 参考スコア（独自算出の注目度）: 27.6812116360734
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Video synthetic aperture radar (SAR) is attracting more attention in recent
years due to its abilities of high resolution, high frame rate and advantages
in continuous observation. Generally, the polar format algorithm (PFA) is an
efficient algorithm for spotlight mode video SAR. However, in the process of
PFA, the wavefront curvature error (WCE) limits the imaging scene size and the
2-D interpolation affects the efficiency. To solve the aforementioned problems,
a beam-segmenting PFA based on principle of chirp scaling (PCS), called
BS-PCS-PFA, is proposed for video SAR imaging, which has the capability of
persistent imaging for different carrier frequencies video SAR. Firstly, an
improved PCS applicable to video SAR PFA is proposed to replace the 2-D
interpolation and the coarse image in the ground output coordinate system
(GOCS) is obtained. As for the distortion or defocus existing in the coarse
image, a novel sub-block imaging method based on beam-segmenting fast filtering
is proposed to segment the image into multiple sub-beam data, whose distortion
and defocus can be ignored when the equivalent size of sub-block is smaller
than the distortion negligible region. Through processing the sub-beam data and
mosaicking the refocused subimages, the full image in GOCS without distortion
and defocus is obtained. Moreover, a three-step MoCo method is applied to the
algorithm for the adaptability to the actual irregular trajectories. The
proposed method can significantly expand the effective scene size of PFA, and
the better operational efficiency makes it more suitable for video SAR imaging.
The feasibility of the algorithm is verified by the experimental data.
- Abstract（参考訳）: ビデオ合成開口レーダ(SAR)は,高解像度,高フレームレート,連続観測の利点などにより近年注目されている。
一般に、PFA(Polar format algorithm)はスポットライトモードビデオSARの効率的なアルゴリズムである。
しかし、pfaの過程では、波面曲率誤差(wce)が撮像シーンサイズを制限し、2次元補間が効率に影響を及ぼす。
上記の問題を解決するために,BS-PCS-PFAと呼ばれるチャープスケーリング(PCS)の原理に基づくビーム分割型PFAが,キャリア周波数の異なるビデオSARに対して持続撮像機能を持つビデオSAR画像に対して提案されている。
まず、ビデオSAR PFAに適用可能な改良PCSを提案し、2次元補間を置き換え、地上出力座標系(GOCS)における粗い画像を得る。
粗画像に存在する歪みやデフォーカスについては、ビームセグメンテーションの高速フィルタリングに基づく新しいサブブロックイメージング法を提案し、サブブロックの等価サイズが歪み無視領域より小さい場合には歪みやデフォーカスを無視できる複数のサブビームデータに分割する。
サブビームデータを処理し、再焦点サブイメージをモザイクすることで、歪みやデフォーカスのないGOCSのフルイメージを得る。
さらに, 実不規則軌道への適応性を求めるアルゴリズムに3段階のMoCo法を適用した。
提案手法は,PFAのシーンサイズを大幅に拡大し,操作効率が向上し,ビデオSAR撮影に適している。
このアルゴリズムの実現性は実験データによって検証される。
関連論文リスト
- Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
非視線画像(NLOS)は、その潜在的な応用により注目されている。
既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。
本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
論文 参考訳（メタデータ） (2024-09-21T04:39:45Z) - Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。
RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。
また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
論文 参考訳（メタデータ） (2024-09-11T06:12:03Z) - Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - Learning Spatial Adaptation and Temporal Coherence in Diffusion Models for Video Super-Resolution [151.1255837803585]
ビデオ超解像のための空間適応と時間コヒーレンス(SATeCo)を追求する新しい手法を提案する。
SATeCoは低解像度ビデオから時空間ガイダンスを学習し、潜時空間高解像度ビデオデノイングとピクセル空間ビデオ再構成の両方を校正する。
REDS4データセットとVid4データセットを用いて行った実験は、我々のアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2024-03-25T17:59:26Z) - Deep Linear Array Pushbroom Image Restoration: A Degradation Pipeline
and Jitter-Aware Restoration Network [26.86292926584254]
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。
論文 参考訳（メタデータ） (2024-01-16T07:26:26Z) - PolMERLIN: Self-Supervised Polarimetric Complex SAR Image Despeckling
with Masked Networks [2.580765958706854]
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。
論文 参考訳（メタデータ） (2024-01-15T07:06:36Z) - Sub-Aperture Feature Adaptation in Single Image Super-resolution Model
for Light Field Imaging [17.721259583120396]
本稿では,この強力なSISRモデルを活用するために,事前訓練されたSingle Image Super Resolution (SISR)ネットワークにおける適応モジュールを提案する。
これは、LF画像の空間的および角的情報をさらに活用し、超解像性能を向上させるためのSISRネットワークの適応である。
論文 参考訳（メタデータ） (2022-07-25T03:43:56Z) - Learned Video Compression via Heterogeneous Deformable Compensation
Network [78.72508633457392]
不安定な圧縮性能の問題に対処するために,不均一変形補償戦略(HDCVC)を用いた学習ビデオ圧縮フレームワークを提案する。
より具体的には、提案アルゴリズムは隣接する2つのフレームから特徴を抽出し、コンテンツ近傍の不均一な変形(HetDeform)カーネルオフセットを推定する。
実験結果から,HDCVCは最近の最先端の学習ビデオ圧縮手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2022-07-11T02:31:31Z) - A Fast Alternating Minimization Algorithm for Coded Aperture Snapshot
Spectral Imaging Based on Sparsity and Deep Image Priors [8.890754092562918]
Coded Aperture snapshot Spectrum Imaging (CASSI)は、3次元ハイパースペクトル画像(HSI)を再構成する技術である。
本稿では,自然画像の空間と深部画像の先行値(Fama-P)に基づいて,高速な変動最小化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-06-12T03:29:14Z) - Optical-Flow-Reuse-Based Bidirectional Recurrent Network for Space-Time
Video Super-Resolution [52.899234731501075]
時空間ビデオ超解像(ST-VSR)は、与えられたビデオの空間解像度とフレームレートを同時に増加させる。
既存の手法は通常、近隣の幅広いフレームからの情報を効率的に活用する方法の難しさに悩まされる。
本稿では,隣接するフレーム間の知識を活用するために,ConvLSTMの代わりに粗大な双方向リカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-10-13T15:21:30Z) - A Robust Imbalanced SAR Image Change Detection Approach Based on Deep
Difference Image and PCANet [20.217242547269947]
深層学習に基づく非平衡多時間合成開口レーダ(SAR)画像に対して,新しいロバストな変化検出手法を提案する。
我々の主な貢献は、差分画像を生成する新しい方法と並列ファジィc-means(FCM)クラスタリング法を開発することである。
実験の結果,提案手法は不均衡なSARデータに対して有効で頑健であり,ほとんどの最先端手法よりも99.52%変化検出精度を実現していることがわかった。
論文 参考訳（メタデータ） (2020-03-03T20:05:49Z)
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。