論文の概要: Detection and tracking of gas plumes in LWIR hyperspectral video sequence data

• arxiv url: http://arxiv.org/abs/2411.00281v1
• Date: Fri, 01 Nov 2024 00:33:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:46:28.099915
• Title: Detection and tracking of gas plumes in LWIR hyperspectral video sequence data
• Title（参考訳）: LWIRハイパースペクトル映像データによるガス配管の検出と追跡
• Authors: Torin Gerhart, Justin Sunu, Ekaterina Merkurjev, Jen-Mei Chang, Jerome Gilles, Andrea L. Bertozzi,
• Abstract要約: ケミカルプラムの自動検出はセグメンテーションの課題を示す。 ガス配管のセグメンテーション問題は, 雲の拡散性のため困難である。 ケミカルプラムを含むハイパースペクトルビデオシーケンスを可視化する有効な方法を提案する。
• 参考スコア（独自算出の注目度）: 4.498659285209191
• License:
• Abstract: Automated detection of chemical plumes presents a segmentation challenge. The segmentation problem for gas plumes is difficult due to the diffusive nature of the cloud. The advantage of considering hyperspectral images in the gas plume detection problem over the conventional RGB imagery is the presence of non-visual data, allowing for a richer representation of information. In this paper we present an effective method of visualizing hyperspectral video sequences containing chemical plumes and investigate the effectiveness of segmentation techniques on these post-processed videos. Our approach uses a combination of dimension reduction and histogram equalization to prepare the hyperspectral videos for segmentation. First, Principal Components Analysis (PCA) is used to reduce the dimension of the entire video sequence. This is done by projecting each pixel onto the first few Principal Components resulting in a type of spectral filter. Next, a Midway method for histogram equalization is used. These methods redistribute the intensity values in order to reduce flicker between frames. This properly prepares these high-dimensional video sequences for more traditional segmentation techniques. We compare the ability of various clustering techniques to properly segment the chemical plume. These include K-means, spectral clustering, and the Ginzburg-Landau functional.
• Abstract（参考訳）: ケミカルプラムの自動検出はセグメンテーションの課題を示す。 ガス配管のセグメンテーション問題は, 雲の拡散性のため困難である。 従来のRGB画像と比較してガス配管検出問題におけるハイパースペクトル画像を考える利点は、非視覚的データの存在であり、より豊かな情報表現を可能にすることである。 本稿では,ケミカルプラムを含むハイパースペクトルビデオシーケンスを可視化し,これらの後処理ビデオに対するセグメンテーション手法の有効性について検討する。 提案手法では,次元の縮小とヒストグラム等化を組み合わせたハイパースペクトル映像のセグメンテーションについて検討した。 まず、主成分分析(PCA)を用いて、ビデオシーケンス全体の寸法を縮小する。 これは、各ピクセルを最初の数個の主成分に投影することで、スペクトルフィルタの型を生成する。 次に、ヒストグラム等化のミッドウェイ法を用いる。 これらの手法はフレーム間のフリッカを低減するために強度値を再分割する。 これは、より伝統的なセグメンテーション技術のために、これらの高次元ビデオシーケンスを適切に準備する。 種々のクラスタリング技術を用いて, 化学配管を適切に分別する能力の比較を行った。 K平均、スペクトルクラスタリング、ギンズバーグ・ランダウ汎函数などである。

関連論文リスト

• Hierarchical Homogeneity-Based Superpixel Segmentation: Application to Hyperspectral Image Analysis [11.612069983959985]
  ハイパースペクトルデータの処理に有効なマルチスケールスーパーピクセル法を提案する。 提案された階層的アプローチは、可変サイズの超画素を導くが、スペクトルの均一性は高い。 評価のために、スペクトルアンミックスおよび分類タスクにおける前処理ステップとして、同質性に基づく階層法を適用した。
  論文  参考訳（メタデータ） (2024-07-22T01:20:32Z)
• Datacube segmentation via Deep Spectral Clustering [76.48544221010424]
  拡張ビジョン技術は、しばしばその解釈に挑戦する。 データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。 本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。 統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
  論文  参考訳（メタデータ） (2024-01-31T09:31:28Z)
• A Survey of Graph and Attention Based Hyperspectral Image Classification Methods for Remote Sensing Data [5.1901440366375855]
  ハイパースペクトルイメージング(HSI)の分類におけるディープラーニング技術の利用は急速に増加している。 最近の手法では、グラフ畳み込みネットワークの利用と、予測にノード機能を使用するユニークな機能についても検討されている。
  論文  参考訳（メタデータ） (2023-10-16T00:42:25Z)
• A new filter for dimensionality reduction and classification of hyperspectral images using GLCM features and mutual information [0.0]
  ハイパースペクトル画像の次元化と分類のための新しい手法を提案する。 スペクトル情報と空間情報の両方を相互情報に基づいて考慮する。 3つのよく知られたハイパースペクトルベンチマークデータセットで実験が行われる。
  論文  参考訳（メタデータ） (2022-11-01T13:19:08Z)
• Spatial-Temporal Frequency Forgery Clue for Video Forgery Detection in VIS and NIR Scenario [87.72258480670627]
  既存の周波数領域に基づく顔偽造検出手法では、GAN鍛造画像は、実際の画像と比較して、周波数スペクトルに明らかな格子状の視覚的アーチファクトを持つ。 本稿では,コサイン変換に基づくフォージェリークリュー拡張ネットワーク(FCAN-DCT)を提案し,より包括的な時空間特徴表現を実現する。
  論文  参考訳（メタデータ） (2022-07-05T09:27:53Z)
• Group Contextualization for Video Recognition [80.3842253625557]
  グループ文脈化(GC)は、2D-CNN(TSN)とTSMの性能を高める。 GCは4つの異なるコンテキストを並列に埋め込む。 グループコンテキスト化は、2D-CNN(例えばTSN)のパフォーマンスを最先端のビデオネットワークに匹敵するレベルまで向上させる。
  論文  参考訳（メタデータ） (2022-03-18T01:49:40Z)
• Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
  本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。 HSI再構成のための深層学習にHSI空間を埋め込んだCST 特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
  論文  参考訳（メタデータ） (2022-03-09T16:17:47Z)
• Semi-supervised Hyperspectral Image Classification with Graph Clustering Convolutional Networks [41.78245271989529]
  HSI分類のためのグラフ畳み込みネットワーク(GCN)に基づくフレームワークを提案する。 特に、類似のスペクトル特徴を持つ画素をスーパーピクセルにまずクラスターし、入力したhsiのスーパーピクセルに基づいてグラフを構築する。 その後、エッジを弱い重みで刻むことでいくつかの部分グラフに分割し、高い類似性を持つノードの相関性を強化する。
  論文  参考訳（メタデータ） (2020-12-20T14:16:59Z)
• Frost filtered scale-invariant feature extraction and multilayer perceptron for hyperspectral image classification [0.0]
  超スペクトル画像の分類にFrost Filtered Scale-Invariant Feature Transformation based MultiLayer Perceptron Classification (FFSIFT-MLPC)を導入している。 FFSIFT-MLPC技術は、前処理、特徴抽出、複数の層を用いた分類の3つの主要なプロセスを実行する。 その結果, FFSIFT-MLPC法により高スペクトル画像分類精度, PSNRが向上し, 偽陽性率を最小化できることがわかった。
  論文  参考訳（メタデータ） (2020-06-18T10:51:04Z)
• Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery [79.69449412334188]
  本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。 本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。 実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
  論文  参考訳（メタデータ） (2020-05-18T14:25:50Z)
• Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet Frames for Image Segmentation [152.609322951917]
  そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。 提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
  論文  参考訳（メタデータ） (2020-02-21T05:19:10Z)

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。