論文の概要: A Sub-Pixel Multimodal Optical Remote Sensing Images Matching Method
- arxiv url: http://arxiv.org/abs/2508.10294v1
- Date: Thu, 14 Aug 2025 02:49:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-15 22:24:48.160222
- Title: A Sub-Pixel Multimodal Optical Remote Sensing Images Matching Method
- Title（参考訳）: サブピクセルマルチモーダル光リモートセンシング画像マッチング法
- Authors: Tao Huang, Hongbo Pan, Nanxi Zhou, Shun Zhou,
- Abstract要約: 位相整合性重み付き最小絶対偏差(PCWLAD)サブピクセルテンプレートマッチング法を提案し,マルチモーダル光学画像のマッチング精度を向上させる。
我々は,PCWLADの性能を評価するために,赤外線ランドサット画像,近赤外近距離画像,赤外線無人航空機(UAV)画像の3種類の画像データセットを構築した。
- 参考スコア（独自算出の注目度）: 2.9300891362823425
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: High-accuracy matching of multimodal optical images is the basis of geometric processing. However, the image matching accuracy is usually degraded by the nonlinear radiation and geometric deformation differences caused by different spectral responses. To address these problems, we proposed a phase consistency weighted least absolute deviation (PCWLAD) sub-pixel template matching method to improve the matching accuracy of multimodal optical images. This method consists of two main steps: coarse matching with the structural similarity index measure (SSIM) and fine matching with WLAD. In the coarse matching step, PCs are calculated without a noise filter to preserve the original structural details, and template matching is performed using the SSIM. In the fine matching step, we applied the radiometric and geometric transformation models between two multimodal PC templates based on the coarse matching. Furthermore, mutual structure filtering is adopted in the model to mitigate the impact of noise within the corresponding templates on the structural consistency, and the WLAD criterion is used to estimate the sub-pixel offset. To evaluate the performance of PCWLAD, we created three types of image datasets: visible to infrared Landsat images, visible to near-infrared close-range images, and visible to infrared uncrewed aerial vehicle (UAV) images. PCWLAD outperformed existing state-of-the-art eight methods in terms of correct matching rate (CMR) and root mean square error (RMSE) and reached an average matching accuracy of approximately 0.4 pixels across all three datasets. Our software and datasets are publicly available at https://github.com/huangtaocsu/PCWLAD.
- Abstract（参考訳）: 多モード光学画像の高精度マッチングは幾何処理の基礎となる。
しかし、画像マッチング精度は通常、異なるスペクトル応答による非線形放射と幾何学的変形差によって劣化する。
これらの問題に対処するため,マルチモーダル光学画像のマッチング精度を向上させるため,位相整合最小絶対偏差(PCWLAD)サブピクセルテンプレートマッチング法を提案した。
本手法は, 構造類似度指標尺度(SSIM)との粗いマッチングとWLADとの微妙なマッチングの2つの主要なステップからなる。
粗いマッチングステップでは、PCをノイズフィルタなしで算出し、元の構造の詳細を保存し、SSIMを用いてテンプレートマッチングを行う。
細かなマッチングステップでは、粗いマッチングに基づく2つのマルチモーダルPCテンプレート間のラジオメトリックおよび幾何変換モデルを適用した。
さらに、対応するテンプレート内のノイズが構造整合性に与える影響を軽減するために、相互構造フィルタリングを採用し、サブピクセルオフセットを推定するためにWLAD基準を用いる。
我々は,PCWLADの性能を評価するために,赤外線ランドサット画像,近赤外近距離画像,赤外線無人航空機(UAV)画像の3種類の画像データセットを構築した。
PCWLADは、正しいマッチングレート(CMR)とルート平均二乗誤差(RMSE)の点で既存の8つの手法より優れており、3つのデータセットの平均マッチング精度は約0.4ピクセルに達した。
私たちのソフトウェアとデータセットはhttps://github.com/huangtaocsu/PCWLAD.comで公開されています。
関連論文リスト
- Linear Anchored Gaussian Mixture Model for Location and Width Computations of Objects in Thick Line Shape [1.7205106391379021]
3次元画像グレーレベル表現は、統計分布の有限混合モデルであると考えられている。
入力データとして元の画像を用いた期待最大化アルゴリズム(Algo1)を用いてモデルパラメータを推定する。
修正EMアルゴリズム(Algo2)について詳述する。
論文 参考訳（メタデータ） (2024-04-03T20:05:00Z) - Breaking Modality Disparity: Harmonized Representation for Infrared and
Visible Image Registration [66.33746403815283]
シーン適応型赤外線と可視画像の登録を提案する。
我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。
我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
論文 参考訳（メタデータ） (2023-04-12T06:49:56Z) - Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。
核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。
提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文 参考訳（メタデータ） (2023-01-24T17:54:01Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳（メタデータ） (2022-02-01T21:21:56Z) - A Hierarchical Transformation-Discriminating Generative Model for Few
Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。
この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文 参考訳（メタデータ） (2021-04-29T17:49:48Z) - Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian
Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。
分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文 参考訳（メタデータ） (2021-03-22T18:06:58Z) - Correlation Plenoptic Imaging between Arbitrary Planes [52.77024349608834]
提案プロトコルは,処理後の集中面の変更を可能にし,画像解像度と被写界深度を前例のない組み合わせで実現可能であることを示す。
その結果、カオス光に基づく相関レンズ画像装置のコンパクト化や、絡み合った光子照明に基づく高SNRレンズ画像装置の開発への道が開かれた。
論文 参考訳（メタデータ） (2020-07-23T14:26:14Z) - Fast and Robust Registration of Aerial Images and LiDAR data Based on
Structrual Features and 3D Phase Correlation [6.3812295314207335]
本稿では,構造的特徴と3次元位相相関に基づく自動登録手法を提案する。
空中画像とLiDARデータの2つのデータセットを用いて実験したところ、提案手法は最先端の手法よりもはるかに高速で堅牢であることがわかった。
論文 参考訳（メタデータ） (2020-04-21T08:19:56Z) - A Robust Imbalanced SAR Image Change Detection Approach Based on Deep
Difference Image and PCANet [20.217242547269947]
深層学習に基づく非平衡多時間合成開口レーダ(SAR)画像に対して,新しいロバストな変化検出手法を提案する。
我々の主な貢献は、差分画像を生成する新しい方法と並列ファジィc-means(FCM)クラスタリング法を開発することである。
実験の結果,提案手法は不均衡なSARデータに対して有効で頑健であり,ほとんどの最先端手法よりも99.52%変化検出精度を実現していることがわかった。
論文 参考訳（メタデータ） (2020-03-03T20:05:49Z) - Leveraging Photogrammetric Mesh Models for Aerial-Ground Feature Point
Matching Toward Integrated 3D Reconstruction [19.551088857830944]
地上・地上画像の統合は, 都市環境における表面の再構築を効果的に進めるためのアプローチとして証明されている。
幾何認識による画像補正に基づく従来の研究により,この問題は緩和された。
地上画像マッチングにフォトグラムメッシュモデルを利用する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-02-21T01:47:59Z)
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。