論文の概要: Comparative Analysis of Advanced Feature Matching Algorithms in Challenging High Spatial Resolution Optical Satellite Stereo Scenarios
- arxiv url: http://arxiv.org/abs/2405.06246v1
- Date: Fri, 10 May 2024 05:05:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-13 16:37:41.755573
- Title: Comparative Analysis of Advanced Feature Matching Algorithms in Challenging High Spatial Resolution Optical Satellite Stereo Scenarios
- Title(参考訳): 高分解能光衛星ステレオシナリオにおける高度な特徴マッチングアルゴリズムの比較解析
- Authors: Qiyan Luo, Jidan Zhang, Yuzhen Xie, Xu Huang, Ting Han,
- Abstract要約: 我々は、HSR光衛星ステレオの様々な高度な特徴マッチングアルゴリズムを評価する。
以上の結果から, 強靭性, 精度, 分布, 効率のバランスをとる上で, SuperPoint + LightGlue の総合的な優れた性能が示された。
- 参考スコア(独自算出の注目度): 3.3757189414469417
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Feature matching determines the orientation accuracy for the High Spatial Resolution (HSR) optical satellite stereos, subsequently impacting several significant applications such as 3D reconstruction and change detection. However, the matching of off-track HSR optical satellite stereos often encounters challenging conditions including wide-baseline observation, significant radiometric differences, multi-temporal changes, varying spatial resolutions, inconsistent spectral resolution, and diverse sensors. In this study, we evaluate various advanced feature matching algorithms for HSR optical satellite stereos. Utilizing a specially constructed dataset from five satellites across six challenging scenarios, HSROSS Dataset, we conduct a comparative analysis of four algorithms: the traditional SIFT, and deep-learning based methods including SuperPoint + SuperGlue, SuperPoint + LightGlue, and LoFTR. Our findings highlight overall superior performance of SuperPoint + LightGlue in balancing robustness, accuracy, distribution, and efficiency, showcasing its potential in complex HSR optical satellite scenarios.
- Abstract(参考訳): 特徴マッチングは、高空間分解能(HSR)光学衛星ステレオの配向精度を決定し、3次元再構成や変化検出などの重要な応用に影響を及ぼす。
しかし、軌道外のHSR光学衛星ステレオのマッチングは、広線観測、有意な放射差、多時間変化、空間分解能の変化、スペクトル分解能の不整合、多様なセンサーを含む困難な条件にしばしば遭遇する。
本研究では,HSR光衛星ステレオの様々な特徴マッチングアルゴリズムについて検討した。
HSROSS Datasetという6つの難題にまたがる5つの衛星から特別に構築されたデータセットを利用することで、従来のSIFTとSuperPoint + SuperGlue、SuperPoint + LightGlue、LoFTRの4つのアルゴリズムの比較分析を行う。
以上の結果から,高ロバスト性,精度,分布,効率のバランスをとる上でのSuperPoint + LightGlueの総合的な性能は,複雑なHSR衛星のシナリオにおけるその可能性を示している。
関連論文リスト
- Multi-Resolution SAR and Optical Remote Sensing Image Registration Methods: A Review, Datasets, and Future Perspectives [13.749888089968373]
リモートセンシングデータ融合には合成開口レーダ(SAR)と光画像登録が不可欠である。
画像の解像度が向上するにつれて、微細なSARテクスチャがより重要になり、アライメントの問題と3次元空間の相違が生じる。
MultiResSARデータセットは10万組以上のマルチソース、マルチ解像度、マルチシーンSARおよび光学画像を含む。
論文 参考訳(メタデータ) (2025-02-03T02:51:30Z) - HyperSIGMA: Hyperspectral Intelligence Comprehension Foundation Model [88.13261547704444]
Hyper SIGMAは、HSI解釈のためのビジョントランスフォーマーベースの基礎モデルである。
特別に設計されたスペクトル拡張モジュールを使用して、空間的特徴とスペクトル的特徴を統合する。
スケーラビリティ、堅牢性、クロスモーダル転送能力、実世界の適用性において大きなメリットがある。
論文 参考訳(メタデータ) (2024-06-17T13:22:58Z) - SatDiffMoE: A Mixture of Estimation Method for Satellite Image Super-resolution with Latent Diffusion Models [3.839322642354617]
我々はtextbfSatDiffMoE と呼ばれる新しい拡散型融合アルゴリズムを提案する。
アルゴリズムは非常に柔軟で、任意の数の低解像度画像のトレーニングと推測が可能である。
実験の結果,SatDiffMoE法は衛星画像の超解像処理に優れていた。
論文 参考訳(メタデータ) (2024-06-14T17:58:28Z) - SSIF: Learning Continuous Image Representation for Spatial-Spectral
Super-Resolution [73.46167948298041]
本稿では,空間領域における連続画素座標とスペクトル領域における連続波長の両方の関数として,画像を表すニューラル暗黙モデルを提案する。
SSIFは空間分解能とスペクトル分解能の両方によく対応していることを示す。
ダウンストリームタスクのパフォーマンスを1.7%-7%向上させる高解像度画像を生成することができる。
論文 参考訳(メタデータ) (2023-09-30T15:23:30Z) - Quantum Super-Resolution with Balanced Homodyne Detection in
Low-Earth-Orbit [0.764671395172401]
量子超解像は、量子光学を用いてレイリー極限の下にある2つの源を分解する。
このような技術は、通信や航法星座の高精度な衛星間位置決めと追跡を可能にする。
低軌道(LEO)衛星に典型的な大きさ、重量、電力の制約のため、単純な解決策が好まれる。
論文 参考訳(メタデータ) (2023-06-10T23:42:22Z) - Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image
Reconstruction [127.20208645280438]
ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。
スペクトル間相互作用のモデル化は、HSI再構成に有用である。
Mask-guided Spectral-wise Transformer (MST) は,HSI再構成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) (2021-11-15T16:59:48Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳(メタデータ) (2021-10-27T07:18:32Z) - A Parallel Down-Up Fusion Network for Salient Object Detection in
Optical Remote Sensing Images [82.87122287748791]
光リモートセンシング画像(RSI)における有意な物体検出のための新しい並列ダウンアップフュージョンネットワーク(PDF-Net)を提案する。
In-pathの低レベル・高レベルな特徴とクロスパスの多解像度な特徴をフル活用して、多様なスケールのサルエントオブジェクトを識別し、散らかった背景を抑える。
ORSSDデータセットの実験により、提案したネットワークは定性的かつ定量的に最先端のアプローチよりも優れていることが示された。
論文 参考訳(メタデータ) (2020-10-02T05:27:57Z) - S2A: Wasserstein GAN with Spatio-Spectral Laplacian Attention for
Multi-Spectral Band Synthesis [13.96995818103425]
本稿では,空間的注意と領域適応損失に基づく識別器の新しいコスト関数を提案する。
様々な地形を包含する4000以上の高解像度のシーンを合成し、科学的忠実度を解析する。
論文 参考訳(メタデータ) (2020-04-08T08:07:00Z) - Spatial-Spectral Residual Network for Hyperspectral Image
Super-Resolution [82.1739023587565]
ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。
提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。
各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
論文 参考訳(メタデータ) (2020-01-14T03:34:55Z)
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。