論文の概要: Sub-Pixel Affine Registration of Space Debris Images via the Radon Point Spread Function

• arxiv url: http://arxiv.org/abs/2609.06929v1
• Date: Mon, 07 Sep 2026 01:56:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 02:09:16.494608
• Title: Sub-Pixel Affine Registration of Space Debris Images via the Radon Point Spread Function
• Title（参考訳）: ラドン点拡散関数による宇宙デブリ画像のサブピクセルアフィンレジストレーション
• Abstract要約: フレーム間のアフィンのミスアライメントは、光監視におけるポイントターゲットの多フレーム分析に根本的な課題となる。 我々は、Randon変換領域における点目標を特徴付けるために、RPSF(Radon Point Spread Function)を導入する。 我々は,フレーム間の変換と回転を,フレームペアあたり4つのRPSFサンプルから共同で推定するクローズドフォームフレームワークを考案した。
• 参考スコア（独自算出の注目度）: 8.083475003173758
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inter-frame affine misalignment caused by platform jitter and attitude adjustments poses a fundamental challenge for multi-frame analysis of point targets in optical surveillance. Conventional registration methods rely on spatial intensity correlations or distinctive image features, both of which are largely absent in low-signal-to-noise-ratio point target imagery. We introduce the Radon Point Spread Function (RPSF) to characterize point targets in the Radon-transformed domain, and derive a closed-form framework that jointly estimates inter-frame translation and rotation from as few as four scalar RPSF samples per frame pair. The method requires no iterative optimization, feature extraction or interpolation, which is suitable for resource-constrained onboard processing. Simulation results confirm sub-pixel translation accuracy and a mean rotation error of 0.2556° at 1° Radon angular resolution. Validation on five real space debris datasets including both ground-based and in-orbit observations yields a mean calibration error below 0.5 pixels, substantially exceeding the precision required for reliable multi-frame processing.
• Abstract（参考訳）: プラットフォームジッタと姿勢調整によるフレーム間アフィンのミスアライメントは、光監視におけるポイントターゲットの多フレーム解析において根本的な課題となる。 従来の登録法は空間強度の相関や特徴的特徴に依存しており、どちらも低信号対雑音比の目標画像にはほとんど欠落している。 ラドン変換領域における点目標を特徴付けるために、Randon Point Spread Function (RPSF)を導入し、フレーム間の変換と回転を、フレームペアあたり4つのスカラーRPSFサンプルから共同で推定するクローズドフォームフレームワークを導出する。 この方法は、リソース制約のあるオンボード処理に適した反復最適化、特徴抽出、補間を必要としない。 シミュレーションの結果,1°ラドン角分解能において,サブピクセル変換精度と平均回転誤差が0.2556°であることが確認された。 地上観測と軌道観測の両方を含む5つの実際の宇宙デブリデータセットの検証は、0.5ピクセル以下の平均キャリブレーション誤差をもたらし、信頼性の高いマルチフレーム処理に必要な精度を大幅に上回る。

関連論文リスト

• Alignment of Similarity-Transformed Images Based on Fourier--Mellin Transform Using Auxiliary Function Method [2.192057999494216]
  本稿では,2つの画像間の類似度変換,すなわち変換,スケール,回転をサブピクセル精度で推定するアルゴリズムを提案する。 ランダムな類似度変換を受ける画像対のシミュレーション実験により,提案手法はスケール,回転,変換における推定誤差を低減することを示した。
  論文  参考訳（メタデータ） (2026-08-12T02:12:33Z)
• Graph Theoretical Outlier Rejection for 4D Radar Registration in Feature-Poor Environments [0.6171990546748666]
  自動車用4Dイメージングレーダーは、ほこりの多い低視界環境での運用に適している。 しかし、ノイズやマルチパスリフレクションによるスキャンの間隔と急激な検出のため、登録は依然として困難である。 斜線グラフ(PCM)に対するレーダ適応型ペアワイズ距離不変スコアリング関数を提案する。 提案手法は,1mセグメントで29.6%,100mセグメントで最大で29.6%削減する。
  論文  参考訳（メタデータ） (2026-04-16T10:44:47Z)
• Cross3DReg: Towards a Large-scale Real-world Cross-source Point Cloud Registration Benchmark [57.42211080221526]
  異なるセンサーからのポイントクラウドデータを整列することを目的とした、クロスソースのポイントクラウド登録は、3Dビジョンの基本的なタスクである。 ディープ登録モデルをトレーニングするための大規模な実世界のデータセットが公開されていないことや、複数のセンサーによってキャプチャされたポイントクラウド固有の違いが課題となっている。 現在世界最大のマルチモーダル・クロスソース・クラウド登録データセットであるCross3DRegを構築している。 クロスソース・ポイント・クラウド機能の整合性を高めるために,ビジュアル・ジオメトリ・アテンションガイド付きマッチングモジュールを提案する。
  論文  参考訳（メタデータ） (2025-09-08T09:01:13Z)
• A Sub-Pixel Multimodal Optical Remote Sensing Images Matching Method [2.9300891362823425]
  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。
  論文  参考訳（メタデータ） (2025-08-14T02:49:19Z)
• Deblur Gaussian Splatting SLAM [57.35366732452066]
  Deblur-SLAMは、モーションブルーの入力から鋭い復元を回復するために設計された堅牢なRGB SLAMパイプラインである。 我々は、動きブル画像の物理画像形成過程をモデル化し、観察されたぼやけた画像とぼやけた画像との誤差を最小化する。 我々は,合成および実世界のぼやけた入力データを用いて,シャープマップ推定とサブフレームトラジェクトリ回復のための最先端結果を得る。
  論文  参考訳（メタデータ） (2025-03-16T16:59:51Z)
• Subpixel Edge Localization Based on Converted Intensity Summation under Stable Edge Region [7.791307967784809]
  我々は、ピクセルレベルの強度が、サブピクセルローカライゼーションの強度モデルにおける局所積分写像として解釈できると仮定して、革新的な視点を取る。 個々のエッジ点の局所化にのみ焦点をあてた限られたロバスト性に対処するため、安定エッジ領域(SER)に基づくアルゴリズムがエッジ近傍での局所的干渉を軽減するために提案される。
  論文  参考訳（メタデータ） (2025-02-23T08:52:42Z)
• QMambaBSR: Burst Image Super-Resolution with Query State Space Model [55.56075874424194]
  バースト超解像度は、複数のバースト低解像度フレームからサブピクセル情報を融合することにより、高画質でよりリッチな細部で高解像度の画像を再構成することを目的としている。 BusrtSRにおいて鍵となる課題は、高周波ノイズ障害を同時に抑制しつつ、ベースフレームの補完的なサブピクセルの詳細を抽出することである。 本稿では,Query State Space Model (QSSM) とAdaptive Up-Sampling Module (AdaUp) を組み合わせた新しいQuery Mamba Burst Super-Resolution (QMambaBSR) ネットワークを紹介する。
  論文  参考訳（メタデータ） (2024-08-16T11:15:29Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Video Frame Interpolation with Many-to-many Splatting and Spatial Selective Refinement [83.60486465697318]
  本稿では,フレームを効率的に補間するM2Mスプレイティングフレームワークを提案する。 入力フレームペアごとに、M2Mは任意の数のフレーム間を補間する際の計算オーバーヘッドが極小である。 フレキシブルな空間選択リファインメント(Spatial Selective Refinement)コンポーネントを導入して,M2M++フレームワークを拡張した。
  論文  参考訳（メタデータ） (2023-10-29T09:09:32Z)
• Quantity-Aware Coarse-to-Fine Correspondence for Image-to-Point Cloud Registration [4.954184310509112]
  Image-to-point cloud registrationは、RGBイメージと参照ポイントクラウドの間の相対カメラのポーズを決定することを目的としている。 個々の点と画素とのマッチングは、モダリティギャップによって本質的に曖昧である。 本稿では,局所点集合と画素パッチ間の量認識対応を捉える枠組みを提案する。
  論文  参考訳（メタデータ） (2023-07-14T03:55:54Z)
• Light Field Spatial Super-resolution via Deep Combinatorial Geometry Embedding and Structural Consistency Regularization [99.96632216070718]
  ハンドヘルドデバイスが取得した光フィールド(LF)画像は通常、空間分解能の低下に悩まされる。 LF画像の高次元空間特性と複雑な幾何学構造は、従来の単一像SRよりも問題をより困難にしている。 本稿では,LF画像の各ビューを個別に超解答する新しい学習ベースLFフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-05T14:39:57Z)

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。