論文の概要: Performance evaluation of super-resolution techniques for characterization and phenotyping of commodity crops using multispectral imagery

• arxiv url: http://arxiv.org/abs/2611.02862v1
• Date: Mon, 02 Nov 2026 10:01:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 14:44:04.648914
• Title: Performance evaluation of super-resolution techniques for characterization and phenotyping of commodity crops using multispectral imagery
• Title（参考訳）: マルチスペクトル画像を用いた商品作物のキャラクタリゼーションと表現型化のための超高分解能技術の性能評価
• Abstract要約: マルチスペクトル画像は、植生モニタリングのための可視範囲を超えてスペクトル情報を提供する。 通常は限られた空間分解能に悩まされ、細かな作物の構造を曖昧にし、植生指数の推定に影響を及ぼす。 本研究は,赤,緑,青(RGB)画像のための単一像超解像法(SISR)が,スペクトル忠実度を維持しつつ,赤,緑,近赤外(RGN)画像の空間分解能を高めることができるかどうかを評価する。
• 参考スコア（独自算出の注目度）: 40.47218407068869
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multispectral imagery provides spectral information beyond the visible range for vegetation monitoring, but it typically suffers from limited spatial resolution, which can obscure fine crop structures and affect vegetation-index (VI) estimates.} This study evaluates whether single-image super-resolution (SISR) methods developed for red, green, and blue (RGB) imagery can enhance the spatial resolution of red, green, and near-infrared (RGN) crop images while preserving spectral fidelity. Eight pretrained methods are applied directly to RGN images without fine-tuning: bicubic and nearest-neighbor interpolation, Real-ESRGAN, HAT, HiT-SR, SRFormer, ResShift, and StableSR. Reconstruction at $4\times$ and $16\times$ is evaluated for whole images and manually segmented leaf regions. Reconstruction quality is assessed using mean absolute error (MAE), peak signal-to-noise ratio (PSNR), structural similarity index (SSIM), spectral angle mapper (SAM), and erreur relative globale adimensionnelle de synthèse (ERGAS). Eight VIs, computed from reference and super-resolved images, are evaluated using MAE, PSNR, and SSIM. Transformer-based methods \modification{significantly} outperform GAN- and diffusion-based approaches in both evaluation settings \modification{($p < 0.001$)}, with \modification{HAT, HiT-SR, and SRFormer forming the highest-performing statistical tier}. These findings indicate that RGB-trained SISR can enhance spatial detail in RGN crop imagery while maintaining spectral consistency and VI reliability for high-resolution crop phenotyping.
• Abstract（参考訳）: マルチスペクトル画像は、植生モニタリングの可視範囲を超えてスペクトル情報を提供するが、通常は空間分解能に悩まされ、細かな作物構造を曖昧にし、植生指数(VI)推定に影響を与える。 本研究は,赤,緑,青(RGB)画像のための単一像超解像法(SISR)が,スペクトル忠実度を維持しつつ,赤,緑,近赤外(RGN)画像の空間分解能を高めることができるかどうかを評価する。 8つの事前訓練された手法は, 双生児と近縁者の補間, Real-ESRGAN, HAT, HiT-SR, SRFormer, ResShift, StableSRの8つを微調整なしで直接RGN画像に適用する。 4\times$と16\times$のリコンストラクションは、画像全体と手作業で分割された葉の領域に対して評価される。 平均絶対誤差(MAE)、ピーク信号-雑音比(PSNR)、構造類似度指数(SSIM)、スペクトル角マッパー(SAM)、およびERGAS(ERGAS)を用いて復元品質を評価する。 参照画像と超解像画像から算出した8つのVIを,MAE,PSNR,SSIMを用いて評価した。 Transformer-based method \modification{significantly} は、評価設定 \modification{($p < 0.001$)} において、GAN-および拡散ベースのアプローチを上回り、 \modification{HAT, HiT-SR, SRFormer が最高性能の統計層を形成する。 以上の結果から,RGB をトレーニングした SISR は,高分解能な収穫表現のためのコントラスト一貫性と VI 信頼性を維持しつつ,RGN の収穫画像の空間的詳細性を高めることができることが示唆された。

関連論文リスト

• Lightweight Interpretable RGB-Guided Hyperspectral Super-Resolution under Real Cross-resolution Misalignment [6.5685272845309255]
  RGB誘導ハイパースペクトル超解像は、高解像度のRGBガイドから低解像度のハイパースペクトル画像へ空間的詳細を転送する。 モデルベースGram-Schmidtization fusionとクロスモーダルフローアライメントを組み合わせた軽量かつ解釈可能なRGB誘導型HSRフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-01T10:55:11Z)
• HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
  ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。 本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
  論文  参考訳（メタデータ） (2026-05-13T14:14:13Z)
• Histogram Assisted Quality Aware Generative Model for Resolution Invariant NIR Image Colorization [0.9064664319018063]
  本稿では,分解能不変なNIR-to-RGBカラー化のための統一生成モデルHAQAGenを提案する。 提案モデルでは, (i) 異なるヒストグラムマッチング, 知覚的画像品質測定, テクスチャ情報を保存するための特徴に基づく類似性を通じて, グローバルな色統計を整合させる複合的損失項を導入する。 品質を犠牲にすることなく高分解能翻訳を可能にする適応分解能推論エンジンを導入する。
  論文  参考訳（メタデータ） (2026-01-03T07:46:59Z)
• Unleashing Correlation and Continuity for Hyperspectral Reconstruction from RGB Images [64.80875911446937]
  RGB画像からのHSI再構成のための相関連続性ネットワーク(CCNet)を提案する。 局所スペクトルの相関について,GrSCM(Group-wise Spectral correlation Modeling)モジュールを紹介する。 グローバルスペクトルの連続性のために、我々はNeSCMモジュールを設計する。
  論文  参考訳（メタデータ） (2025-01-02T15:14:40Z)
• Comparative Analysis of Hyperspectral Image Reconstruction Using Deep Learning for Agricultural and Biological Applications [0.0]
  本研究では,RGB(赤,緑,青)画像からの深層学習に基づくハイパースペクトル画像再構成について検討した。 その結果, 農業・生物応用のための費用対効果・効率の高い品質評価ツールとして, 深層学習に基づくハイパースペクトル画像再構成が期待できることが明らかになった。
  論文  参考訳（メタデータ） (2024-05-22T04:20:30Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
  実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。 監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。 ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
  論文  参考訳（メタデータ） (2020-12-18T08:25:39Z)
• Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
  空間情報とスペクトル情報の相互モダリティ分布が問題となる。 本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。 本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
  論文  参考訳（メタデータ） (2020-06-18T06:32:11Z)

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。