論文の概要: ARCNet: An Asymmetric Residual Wavelet Column Correction Network for
Infrared Image Destriping
- arxiv url: http://arxiv.org/abs/2401.15578v1
- Date: Sun, 28 Jan 2024 06:23:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 17:40:03.648884
- Title: ARCNet: An Asymmetric Residual Wavelet Column Correction Network for
Infrared Image Destriping
- Title(参考訳): ARCNet:赤外画像削除のための非対称残留ウェーブレットカラム補正ネットワーク
- Authors: Shuai Yuan, Hanlin Qin, Xiang Yan, Naveed Akhtar, Shiqi Yang, Shuowen
Yang
- Abstract要約: 赤外画像デストリップは、劣化した画像から高品質なコンテンツを復元しようとする。
最近の研究は、先行知識を利用して劣化した画像からストライプノイズを分離することで、この課題に対処している。
画像デストリップのための非対称残留ウェーブレット列補正ネットワーク(ARCNet)を導入する。
- 参考スコア(独自算出の注目度): 28.037564161552446
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Infrared image destriping seeks to restore high-quality content from degraded
images. Recent works mainly address this task by leveraging prior knowledge to
separate stripe noise from the degraded image. However, constructing a robust
decoupling model for that purpose remains challenging, especially when
significant similarities exist between the stripe noise and vertical background
structure. Addressing that, we introduce Asymmetric Residual wavelet Column
correction Network (ARCNet) for image destriping, aiming to consistently
preserve spatially precise high-resolution representations. Our neural model
leverages a novel downsampler, residual haar discrete wavelet transform
(RHDWT), stripe directional prior knowledge and data-driven learning to induce
a model with enriched feature representation of stripe noise and background. In
our technique, the inverse wavelet transform is replaced by transposed
convolution for feature upsampling, which can suppress noise crosstalk and
encourage the network to focus on robust image reconstruction. After each
sampling, a proposed column non-uniformity correction module (CNCM) is
leveraged by our method to enhance column uniformity, spatial correlation, and
global self-dependence between each layer component. CNCM can establish
structural characteristics of stripe noise and utilize contextual information
at long-range dependencies to distinguish stripes with varying intensities and
distributions. Extensive experiments on synthetic data, real data, and infrared
small target detection tasks show that the proposed method outperforms
state-of-the-art single-image destriping methods both visually and
quantitatively by a considerable margin. Our code will be made publicly
available at \url{https://github.com/xdFai}.
- Abstract(参考訳): 赤外画像デストリップは、劣化した画像から高品質なコンテンツを復元しようとする。
最近の研究は、先行知識を利用して劣化した画像からストライプノイズを分離することで、この課題に対処している。
しかし、特にストライプノイズと垂直背景構造の間に大きな類似性がある場合、この目的のためにロバストなデカップリングモデルを構築することは依然として困難である。
そこで我々は,空間的高精度な高分解能表現を一貫して保存することを目的として,画像デストリップのための非対称残留ウェーブレット列補正ネットワーク(ARCNet)を導入する。
我々のニューラルモデルは、新しいダウンサンプラー、残留ハール離散ウェーブレット変換(RHDWT)、指向性事前知識とデータ駆動学習を利用して、ストライプノイズと背景の豊かな特徴表現を持つモデルを誘導する。
本手法では,逆ウェーブレット変換を機能アップサンプリングのための畳み込み変換に置き換えることにより,雑音クロストークを抑制し,ロバストな画像再構成をネットワークに促す。
各サンプリングの後,提案するカラム非均一性補正モジュール(CNCM)を用いて,各レイヤ間のカラム均一性,空間相関,大域自己依存性を向上させる。
CNCMは、ストライプノイズの構造特性を確立し、長距離依存におけるコンテキスト情報を用いて、様々な強度と分布を持つストリップを識別することができる。
合成データ, 実データ, 赤外線小目標検出タスクに関する広範な実験により, 提案手法は, 視覚的および定量的に, かなりのマージンで, 最先端の単像デトリップ法を上回っていることが示された。
私たちのコードは \url{https://github.com/xdFai} で公開されます。
関連論文リスト
- DestripeCycleGAN: Stripe Simulation CycleGAN for Unsupervised Infrared
Image Destriping [15.797480466799222]
CycleGANは、教師なし画像復元の先進的なアプローチであることが証明されている。
DestripeCycleGANという単一フレーム赤外線画像デストリップのための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-14T11:22:20Z) - 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) - 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) - Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。
CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。
DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文 参考訳(メタデータ) (2023-10-11T12:46:11Z) - Deep Unfolding for Iterative Stripe Noise Removal [4.756256077972335]
赤外線イメージングシステムの不均一光電応答は、赤外線画像に重畳される固定パターンストライプノイズをもたらす。
既存の画像デストリップ手法は、すべてのストリップノイズアーティファクトを同時に除去し、画像の詳細と構造を保存し、リアルタイムのパフォーマンスのバランスをとるのに苦労する。
本稿では, 劣化画像の除去アルゴリズムを提案する。これは, 近傍のカラム信号相関を利用して, 独立したカラムストライプノイズを除去する。
論文 参考訳(メタデータ) (2022-09-27T02:53:03Z) - Riesz-Quincunx-UNet Variational Auto-Encoder for Satellite Image
Denoising [0.0]
衛星画像のノイズ低減に使用される画像および時系列分解のためのハイブリッドRQUNet-VAE方式を提案する。
また,本手法をマルチバンド衛星画像に適用し,画像の分解,画像分割,拡散による時系列分解,画像分割などを行う。
論文 参考訳(メタデータ) (2022-08-25T19:51:07Z) - Towards Homogeneous Modality Learning and Multi-Granularity Information
Exploration for Visible-Infrared Person Re-Identification [16.22986967958162]
Visible-infrared person re-identification (VI-ReID) は、可視・赤外線カメラビューを介して人物画像の集合を検索することを目的とした、困難かつ必須の課題である。
従来の手法では, GAN (Generative Adversarial Network) を用いて, モーダリティ・コンシデント・データを生成する手法が提案されている。
そこで本研究では、視線外デュアルモード学習をグレーグレー単一モード学習問題として再構成する、統一されたダークラインスペクトルであるAligned Grayscale Modality (AGM)を用いて、モード間マッチング問題に対処する。
論文 参考訳(メタデータ) (2022-04-11T03:03:19Z) - SFANet: A Spectrum-aware Feature Augmentation Network for
Visible-Infrared Person Re-Identification [12.566284647658053]
クロスモダリティマッチング問題に対するSFANetという新しいスペクトル認識特徴量化ネットワークを提案する。
grayscale-spectrumイメージで学習すると、モダリティの不一致を低減し、内部構造関係を検出することができる。
特徴レベルでは、特定および粉砕可能な畳み込みブロックの数のバランスをとることにより、従来の2ストリームネットワークを改善します。
論文 参考訳(メタデータ) (2021-02-24T08:57:32Z) - Cross-Scale Internal Graph Neural Network for Image Super-Resolution [147.77050877373674]
自然画像における非局所的な自己相似性は、画像修復に有効な先行研究として、よく研究されている。
単一の画像超解像(SISR)の場合、既存のディープ非局所法のほとんどは、低解像度(LR)入力画像と同じ規模のパッチしか利用していない。
これは、新しいクロススケールな内部グラフニューラルネットワーク(IGNN)を用いて実現される。
論文 参考訳(メタデータ) (2020-06-30T10:48:40Z) - Hyperspectral Image Super-resolution via Deep Progressive Zero-centric
Residual Learning [62.52242684874278]
空間情報とスペクトル情報の相互モダリティ分布が問題となる。
本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。
本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
論文 参考訳(メタデータ) (2020-06-18T06:32:11Z) - Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological
Reconstruction and Wavelet frames [146.63177174491082]
Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。
特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。
合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2020-02-14T10:00:03Z)
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。