論文の概要: Solar Filaments Detection using Active Contours Without Edges
- arxiv url: http://arxiv.org/abs/2412.20749v1
- Date: Mon, 30 Dec 2024 06:43:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-31 16:07:38.602436
- Title: Solar Filaments Detection using Active Contours Without Edges
- Title（参考訳）: エッジのないアクティブ輪郭を用いた太陽フィラメント検出
- Authors: Sanmoy Bandyopadhyay, Vaibhav Pant,
- Abstract要約: H-アルファフルディスク太陽画像における太陽フィラメントの検出のために,エッジのないアクティブな輪郭 (ACWE) アルゴリズムが提案されている。
提案アルゴリズムは,少数のベンチマークデータセットに適用され,従来のオブジェクト検出手法と比較されている。
- 参考スコア（独自算出の注目度）: 15.699822139827916
- License:
- Abstract: In this article, an active contours without edges (ACWE)-based algorithm has been proposed for the detection of solar filaments in H-alpha full-disk solar images. The overall algorithm consists of three main steps of image processing. These are image pre-processing, image segmentation, and image post-processing. Here in the work, contours are initialized on the solar image and allowed to deform based on the energy function. As soon as the contour reaches the boundary of the desired object, the energy function gets reduced, and the contour stops evolving. The proposed algorithm has been applied to few benchmark datasets and has been compared with the classical technique of object detection. The results analysis indicates that the proposed algorithm outperforms the results obtained using the existing classical algorithm of object detection.
- Abstract（参考訳）: 本稿では,H-αフルディスク太陽画像における太陽フィラメント検出のために,エッジのないアクティブな輪郭 (ACWE) アルゴリズムを提案する。
全体的なアルゴリズムは、画像処理の3つの主要なステップから構成される。
これらは、画像前処理、画像分割、画像後処理である。
ここでは、輪郭は太陽画像上で初期化され、エネルギー関数に基づいて変形することができる。
輪郭が所望の物体の境界に達すると、エネルギー関数は減少し、輪郭は進化する。
提案アルゴリズムは,少数のベンチマークデータセットに適用され,従来のオブジェクト検出手法と比較されている。
その結果,提案アルゴリズムは既存の古典的物体検出アルゴリズムを用いて得られた結果よりも優れていたことが示唆された。
関連論文リスト
- EDCSSM: Edge Detection with Convolutional State Space Model [3.649463841174485]
画像のエッジ検出は、コンピュータグラフィックスにおける多くの複雑なタスクの基礎となっている。
多層畳み込みとプールアーキテクチャによる特徴損失のため、学習ベースのエッジ検出モデルは、しばしば厚いエッジを生成する。
本稿では,上記の問題に効果的に対処するエッジ検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-03T05:13:25Z) - Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。
新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。
増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
論文 参考訳（メタデータ） (2023-08-10T12:53:30Z) - $PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D
Reconstruction [97.06927852165464]
単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。
条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
論文 参考訳（メタデータ） (2023-02-21T13:37:07Z) - Dilated filters for edge detection algorithms [0.0]
拡張畳み込みは機械学習に素晴らしい結果をもたらす。
ここでは,エッジ検出アルゴリズムで使用される標準フィルタの拡張について論じる。
論文 参考訳（メタデータ） (2021-06-14T12:52:17Z) - A Novel Falling-Ball Algorithm for Image Segmentation [0.14337588659482517]
領域ベースセグメンテーションアルゴリズムである領域ベースFalling-Ballアルゴリズムを提案する。
提案アルゴリズムは,丘陵地帯から落下する球が捕集流域で止まると仮定して,捕集流域を検出する。
論文 参考訳（メタデータ） (2021-05-06T12:41:10Z) - Refer-it-in-RGBD: A Bottom-up Approach for 3D Visual Grounding in RGBD
Images [69.5662419067878]
RGBD画像における接地参照表現は新たな分野である。
本稿では,参照する物体が閉塞により部分的にスキャンされる場合が多い単視点rgbd画像における3次元視覚グランド化の新たな課題を提案する。
提案手法はまず,RGBD画像内の関連領域をローカライズするヒートマップを生成するために,下層の言語と視覚的特徴を融合させる。
次に、ヒートマップに基づく適応的特徴学習を行い、他のビジオ言語融合とオブジェクトレベルのマッチングを行い、最後に参照したオブジェクトを接地する。
論文 参考訳（メタデータ） (2021-03-14T11:18:50Z) - Scale Normalized Image Pyramids with AutoFocus for Object Detection [75.71320993452372]
スケール正規化画像ピラミッド(SNIP)が生成され、人間の視覚と同様に、異なるスケールで固定されたサイズ範囲内のオブジェクトにのみ参加する。
本研究では,オブジェクトを含む可能性のある固定サイズのサブリージョンのみで動作する,効率的な空間サブサンプリング手法を提案する。
結果のアルゴリズムはAutoFocusと呼ばれ、SNIPを使用する場合の推論では2.5～5倍のスピードアップとなる。
論文 参考訳（メタデータ） (2021-02-10T18:57:53Z) - Learned Block Iterative Shrinkage Thresholding Algorithm for
Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。
本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文 参考訳（メタデータ） (2020-12-07T09:27:16Z) - Contour Integration using Graph-Cut and Non-Classical Receptive Field [4.935491924643742]
本稿では,他のアルゴリズムのエッジセグメントから画像の輪郭を検出する新しい手法を提案する。
提案したエネルギー関数は、テクスチャノイズを抑制するのに役立つ一次視覚野の周囲変調にインスパイアされている。
論文 参考訳（メタデータ） (2020-10-27T19:07:13Z) - Automatic Radish Wilt Detection Using Image Processing Based Techniques
and Machine Learning Algorithm [3.4392739159262145]
本研究では,ラディッシュ作物のフッ化物検出のためのセグメンテーション法と抽出法を提案する。
最近のワイト検出アルゴリズムは、画像処理技術または従来の機械学習アルゴリズムに基づいている。
提案手法は,画像処理と機械学習を組み合わせたハイブリッドアルゴリズムに基づいている。
論文 参考訳（メタデータ） (2020-09-01T01:37:01Z) - Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。
これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。
SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
論文 参考訳（メタデータ） (2020-02-11T14:04:56Z)
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。