論文の概要: Real-Time Blind Defocus Deblurring for Earth Observation: The IMAGIN-e Mission Approach
- arxiv url: http://arxiv.org/abs/2505.22128v1
- Date: Wed, 28 May 2025 08:52:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-29 17:35:50.513962
- Title: Real-Time Blind Defocus Deblurring for Earth Observation: The IMAGIN-e Mission Approach
- Title（参考訳）: 地球観測のためのリアルタイムブラインドデフォーカス:IMAGIN-eミッションアプローチ
- Authors: Alejandro D. Mousist,
- Abstract要約: この研究は、ISSのIMAGIN-eミッションの地球観測画像の機械的デフォーカスに対処する。
提案手法は,Sentinel-2データを用いてデフォーカスカーネルを推定し,GANフレームワーク内で復元モデルをトレーニングする。
このアプローチは現在、IMAGIN-eミッションで展開されており、運用宇宙環境における実用性を実証している。
- 参考スコア（独自算出の注目度）: 55.2480439325792
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work addresses mechanical defocus in Earth observation images from the IMAGIN-e mission aboard the ISS, proposing a blind deblurring approach adapted to space-based edge computing constraints. Leveraging Sentinel-2 data, our method estimates the defocus kernel and trains a restoration model within a GAN framework, effectively operating without reference images. On Sentinel-2 images with synthetic degradation, SSIM improved by 72.47% and PSNR by 25.00%, confirming the model's ability to recover lost details when the original clean image is known. On IMAGIN-e, where no reference images exist, perceptual quality metrics indicate a substantial enhancement, with NIQE improving by 60.66% and BRISQUE by 48.38%, validating real-world onboard restoration. The approach is currently deployed aboard the IMAGIN-e mission, demonstrating its practical application in an operational space environment. By efficiently handling high-resolution images under edge computing constraints, the method enables applications such as water body segmentation and contour detection while maintaining processing viability despite resource limitations.
- Abstract（参考訳）: この研究は、ISSのIMAGIN-eミッションから得られた地球観測画像の機械的デフォーカスに対処し、宇宙ベースのエッジコンピューティングの制約に適応するブラインド・デブロアリング・アプローチを提案する。
提案手法は,Sentinel-2データを利用してデフォーカスカーネルを推定し,GANフレームワーク内で復元モデルをトレーニングし,参照画像なしで効果的に動作させる。
合成劣化を伴うSentinel-2画像では、SSIMは72.47%改善し、PSNRは25.00%改善した。
参照画像が存在しないIMAGIN-eでは、知覚品質の指標が大幅に向上し、NIQEは60.66%向上し、BRISQUEは48.38%改善し、現実世界のオンボード修復が検証された。
このアプローチは現在、IMAGIN-eミッションで展開されており、運用宇宙環境における実用性を実証している。
エッジコンピューティング制約下での高解像度画像を効率的に処理することにより、資源制限にもかかわらず処理の可視性を保ちながら、水域のセグメンテーションや輪郭検出などの応用を可能にする。
関連論文リスト
- Deep Learning-Based Image Recovery and Pose Estimation for Resident Space Objects [0.46873264197900916]
宇宙船とそのポーズを識別できる訓練モデルは、モデルトレーニングに利用可能な画像データが不足しているため、大きな課題となる。
本稿では,空間オブジェクト(RSO)画像のリアルな合成データセットを生成するための革新的なフレームワークを提案する。
提案した画像回復・回帰手法の解析を行い,実画像に適用した場合の性能,潜在的な拡張,限界について考察した。
論文 参考訳（メタデータ） (2025-01-22T16:50:58Z) - Markers Identification for Relative Pose Estimation of an Uncooperative Target [0.0]
本稿では,欧州宇宙機関 (ESA) の環境衛星(ENVISAT) 上の構造マーカーを安全な軌道離脱のために検出する新しい手法を提案する。
マーカー検出精度とロバスト性を改善するために,ノイズ付加やボケリングなどの高度な画像前処理技術が用いられている。
論文 参考訳（メタデータ） (2024-07-30T03:20:54Z) - Camera-Pose Robust Crater Detection from Chang'e 5 [18.986915927640396]
本研究では, クレーター検出のためのMask R-CNNの性能評価を行い, 外部視角を含む模擬データに基づく事前学習モデルと実画像による事前学習モデルを比較した。
実画像に対する事前トレーニングは, 外部視角を含む画像が欠如しているにもかかわらず, 63.1F1スコアの検知性能と0.701交叉の楕円回帰性能を実現しているにもかかわらず, 優れていることを示す。
論文 参考訳（メタデータ） (2024-06-07T01:11:31Z) - Resource Efficient Perception for Vision Systems [0.0]
本研究では,高解像度画像に対するメモリ効率のパッチベース処理を活用することにより,これらの課題を軽減するためのフレームワークを提案する。
ローカルなパッチ情報と共にグローバルなコンテキスト表現が組み込まれており、画像の内容の包括的な理解を可能にする。
分類,オブジェクト検出,セグメンテーションにまたがる7つのベンチマークにおいて,本手法の有効性を示す。
論文 参考訳（メタデータ） (2024-05-12T05:33:00Z) - Diffusion Enhancement for Cloud Removal in Ultra-Resolution Remote
Sensing Imagery [48.14610248492785]
雲層は、光学リモートセンシング(RS)画像の品質と効果を著しく損なう。
既存のディープラーニング(DL)ベースのクラウド削除(CR)技術は、元の視覚的正当性と画像の詳細なセマンティック内容の正確な再構築に困難を伴う。
この課題に対処するために、データと方法論の面での強化を提案する。
論文 参考訳（メタデータ） (2024-01-25T13:14:17Z) - 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) - View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。
提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。
これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文 参考訳（メタデータ） (2023-08-16T02:51:52Z) - Space Debris: Are Deep Learning-based Image Enhancements part of the
Solution? [9.117415383776695]
現在地球を周回している宇宙ゴミの量は、加速ペースで持続不可能なレベルに達している。
軌道定義された、登録された宇宙船と、ローグ/非活動的な宇宙物体の検知、追跡、識別、識別は、資産保護に不可欠である。
本研究の主な目的は、可視光スペクトルの単眼カメラで捉えた際の限界や画像アーチファクトを克服するために、ディープニューラルネットワーク(DNN)ソリューションの有効性を検討することである。
論文 参考訳（メタデータ） (2023-08-01T09:38:41Z) - 6D Camera Relocalization in Visually Ambiguous Extreme Environments [79.68352435957266]
本研究では,深海や地球外地形などの極端な環境下で得られた画像の列から,カメラのポーズを確実に推定する手法を提案する。
本手法は,室内ベンチマーク (7-Scenes データセット) における最先端手法と同等の性能を20%のトレーニングデータで達成する。
論文 参考訳（メタデータ） (2022-07-13T16:40:02Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z)
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。