論文の概要: Cloud-Aware SAR Fusion for Enhanced Optical Sensing in Space Missions

• arxiv url: http://arxiv.org/abs/2506.17885v1
• Date: Sun, 22 Jun 2025 03:27:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.637291
• Title: Cloud-Aware SAR Fusion for Enhanced Optical Sensing in Space Missions
• Title（参考訳）: 宇宙ミッションにおける高感度光センシングのためのクラウド対応SAR核融合
• Authors: Trong-An Bui, Thanh-Thoai Le,
• Abstract要約: 雲の汚染は、光学衛星画像の使用性を著しく損なう。 本研究では,SAR-光機能融合と深層学習に基づく画像再構成を統合するクラウド・アテンティブ・リコンストラクション・フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cloud contamination significantly impairs the usability of optical satellite imagery, affecting critical applications such as environmental monitoring, disaster response, and land-use analysis. This research presents a Cloud-Attentive Reconstruction Framework that integrates SAR-optical feature fusion with deep learning-based image reconstruction to generate cloud-free optical imagery. The proposed framework employs an attention-driven feature fusion mechanism to align complementary structural information from Synthetic Aperture Radar (SAR) with spectral characteristics from optical data. Furthermore, a cloud-aware model update strategy introduces adaptive loss weighting to prioritize cloud-occluded regions, enhancing reconstruction accuracy. Experimental results demonstrate that the proposed method outperforms existing approaches, achieving a PSNR of 31.01 dB, SSIM of 0.918, and MAE of 0.017. These outcomes highlight the framework's effectiveness in producing high-fidelity, spatially and spectrally consistent cloud-free optical images.
• Abstract（参考訳）: 雲汚染は、光衛星画像の使用性を著しく損なうため、環境モニタリング、災害対応、土地利用分析といった重要な応用に影響を及ぼす。 本研究では,SAR-光機能融合と深層学習に基づく画像再構成を統合し,クラウドフリーな光画像を生成するクラウド・アテンティブ・リコンストラクション・フレームワークを提案する。 提案フレームワークは,SAR(Synthetic Aperture Radar)の補完構造情報を光学データからスペクトル特性と整合させるために,注目駆動型特徴融合機構を用いる。 さらに、クラウド対応モデル更新戦略では、適応的な損失重み付けを導入し、クラウドを排除した領域を優先順位付けし、再構築精度を向上する。 実験の結果,提案手法は既存の手法よりも優れており,PSNRは31.01dB,SSIMは0.918,MAEは0.017であった。 これらの結果は、高忠実で空間的かつスペクトル的に一貫した雲のない光学画像を作成するためのフレームワークの有効性を強調している。

関連論文リスト

• High-Quality Cloud-Free Optical Image Synthesis Using Multi-Temporal SAR and Contaminated Optical Data [1.5410557873153836]
  本稿では,特にクラウド被覆を伴う複雑なシナリオにおいて,光学データ合成の欠如に対処する。 そこで我々は,DownUp BlockやFusion Attentionなどの革新的な設計モジュールを組み込んだ新しい画像合成ネットワークであるCR SynthNetを提案する。 CR SynthNetの有効性を検証し, 構造的詳細の復元, スペクトルの保存, 比較法よりはるかに優れた視覚効果を実現した。
  論文  参考訳（メタデータ） (2025-04-23T16:44:53Z)
• Enhanced Confocal Laser Scanning Microscopy with Adaptive Physics Informed Deep Autoencoders [0.0]
  共焦点レーザー走査顕微鏡の限界に対処する物理インフォームド・ディープラーニング・フレームワークを提案する。 このモデルは、畳み込み層と転置畳み込み層を用いて、ノイズの多い入力から高忠実度画像を再構成する。
  論文  参考訳（メタデータ） (2025-01-24T18:32:34Z)
• Cloud Removal With PolSAR-Optical Data Fusion Using A Two-Flow Residual Network [9.529237717137121]
  近年,クラウドフリーの光学画像の再構成が重要な課題となっている。 本稿では,2フローポラリメトリック合成開口レーダ(PolSAR)-オプティカルデータ融合雲除去アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-14T07:35:14Z)
• Rethinking High-speed Image Reconstruction Framework with Spike Camera [48.627095354244204]
  スパイクカメラは連続的なスパイクストリームを生成し、従来のRGBカメラよりも低帯域幅でダイナミックレンジの高速シーンをキャプチャする。 従来のトレーニングパラダイムを超える新しいスパイク・ツー・イメージ再構築フレームワークであるSpikeCLIPを導入する。 実世界の低照度データセットに対する実験により、SpikeCLIPはテクスチャの詳細と回復した画像の輝度バランスを大幅に向上することが示された。
  論文  参考訳（メタデータ） (2025-01-08T13:00:17Z)
• Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
  ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。 我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。 提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-04T09:07:28Z)
• 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)
• Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
  大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。 ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。 本稿では,物理統合復元ネットワーク(PiRN)を提案する。
  論文  参考訳（メタデータ） (2023-07-20T05:49:21Z)
• SiNeRF: Sinusoidal Neural Radiance Fields for Joint Pose Estimation and Scene Reconstruction [147.9379707578091]
  NeRFmmは、共同最適化タスクを扱うNeRF(Neural Radiance Fields)である。 NeRFmmは正確なシーン合成とポーズ推定を行うが、難しいシーンで完全に注釈付けされたベースラインを上回るのに苦戦している。 放射光マッピングにおける正弦波活性化を利用する正弦波ニューラルレイディアンス場(SiNeRF)と、効率よく光束を選択するための新しい混合領域サンプリング(MRS)を提案する。
  論文  参考訳（メタデータ） (2022-10-10T10:47:51Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Exploring the Potential of SAR Data for Cloud Removal in Optical Satellite Imagery [41.40522618945897]
  我々は,SAR画像に埋め込まれた補完情報を活用するために,新しいグローバルローカル核融合型クラウド除去アルゴリズム(GLF-CR)を提案する。 提案アルゴリズムは高品質なクラウドフリーな画像を得ることができ、最先端のクラウド除去アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2022-06-06T18:53:19Z)

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。