|
DOI: 10.1016/j.isprsjprs.2019.04.018
저자:
전체 텍스트 PDF 요청
이 연구의 전문을 읽으려면 저자에게 직접 사본을 요청할 수 있습니다.
링크 복사됨
서로 다른 이미지 간의 기능 대응을 설정하는 것은 많은 원격 감지 응용 프로그램에서 핵심 단계입니다. 본 논문에서는 조도강건한 원격탐사 영상정합을 위해 HOSS(Histogram of oriented self-similarity)라는 확장된 자기유사성 척도에 기반한 새로운 서술자를 제안한다. HOSS의 참신한 아이디어는 디스크립터 고유성을 높이기 위해 방향이 지정된 직사각형 패치를 사용하여 여러 방향에서 자기 유사성 값을 계산하는 것입니다. 다양한 방향의 자기 유사성 값에 기반한 HOSS 구성을 위해 적응형 대수 극좌표 공간 구조와 통합된 RIMC(최대 상관의 회전 인덱스)라는 새로운 인덱스 맵이 제안됩니다. 기존의 2차원 자기유사성 서술자와 그 확장과 달리 HOSS는 지향성 자기유사성 값의 3차원 히스토그램이며, 중요한 조명 변화에 매우 강합니다. 회전 불변성을 얻기 위해 자기 유사성 기울기를 기반으로 조명에 강한 회전 할당 방식도 개발되었습니다. 다양한 센서의 세 가지 범주의 합성 및 실제 원격 감지 이미지에 대한 실험 분석은 리콜 측면에서 DOBSS, AB-SIFT, PIFD 및 DAISY를 포함한 최신 설명자보다 HOSS의 우수한 기능을 보여줍니다. , 정밀도 및 위치 정확도. 적용된 모든 이미지에서 HOSS의 평균 성능은 재현율, 정밀도 및 위치 정확도 측면에서 각각 약 36%, 51% 및 0.9픽셀입니다. HOSS 접근 방식의 데모 코드는 https://www.researchgate.net/publication/328733655_HOSS_Descriptor에서 다운로드할 수 있습니다. 회전 불변성을 얻기 위해 자기 유사성 기울기를 기반으로 조명에 강한 회전 할당 방식도 개발되었습니다. 다양한 센서의 세 가지 범주의 합성 및 실제 원격 감지 이미지에 대한 실험 분석은 리콜 측면에서 DOBSS, AB-SIFT, PIFD 및 DAISY를 포함한 최신 설명자보다 HOSS의 우수한 기능을 보여줍니다. , 정밀도 및 위치 정확도. 적용된 모든 이미지에서 HOSS의 평균 성능은 재현율, 정밀도 및 위치 정확도 측면에서 각각 약 36%, 51% 및 0.9픽셀입니다. HOSS 접근 방식의 데모 코드는 https://www.researchgate.net/publication/328733655_HOSS_Descriptor에서 다운로드할 수 있습니다. 회전 불변성을 얻기 위해 자기 유사성 기울기를 기반으로 조명에 강한 회전 할당 방식도 개발되었습니다. 다양한 센서의 세 가지 범주의 합성 및 실제 원격 감지 이미지에 대한 실험 분석은 리콜 측면에서 DOBSS, AB-SIFT, PIFD 및 DAISY를 포함한 최신 설명자보다 HOSS의 우수한 기능을 보여줍니다. , 정밀도 및 위치 정확도. 적용된 모든 이미지에서 HOSS의 평균 성능은 재현율, 정밀도 및 위치 정확도 측면에서 각각 약 36%, 51% 및 0.9픽셀입니다. HOSS 접근 방식의 데모 코드는 https://www.researchgate.net/publication/328733655_HOSS_Descriptor에서 다운로드할 수 있습니다. 다양한 센서의 세 가지 범주의 합성 및 실제 원격 감지 이미지에 대한 실험 분석은 리콜 측면에서 DOBSS, AB-SIFT, PIFD 및 DAISY를 포함한 최신 설명자보다 HOSS의 우수한 기능을 보여줍니다. , 정밀도 및 위치 정확도. 적용된 모든 이미지에서 HOSS의 평균 성능은 재현율, 정밀도 및 위치 정확도 측면에서 각각 약 36%, 51% 및 0.9픽셀입니다. HOSS 접근 방식의 데모 코드는 https://www.researchgate.net/publication/328733655_HOSS_Descriptor에서 다운로드할 수 있습니다. 다양한 센서의 세 가지 범주의 합성 및 실제 원격 감지 이미지에 대한 실험 분석은 리콜 측면에서 DOBSS, AB-SIFT, PIFD 및 DAISY를 포함한 최신 설명자보다 HOSS의 우수한 기능을 보여줍니다. , 정밀도 및 위치 정확도. 적용된 모든 이미지에서 HOSS의 평균 성능은 재현율, 정밀도 및 위치 정확도 측면에서 각각 약 36%, 51% 및 0.9픽셀입니다. HOSS 접근 방식의 데모 코드는 https://www.researchgate.net/publication/328733655_HOSS_Descriptor에서 다운로드할 수 있습니다. 적용된 모든 이미지에서 HOSS의 평균 성능은 재현율, 정밀도 및 위치 정확도 측면에서 각각 약 36%, 51% 및 0.9픽셀입니다. HOSS 접근 방식의 데모 코드는 https://www.researchgate.net/publication/328733655_HOSS_Descriptor에서 다운로드할 수 있습니다. 적용된 모든 이미지에서 HOSS의 평균 성능은 재현율, 정밀도 및 위치 정확도 측면에서 각각 약 36%, 51% 및 0.9픽셀입니다. HOSS 접근 방식의 데모 코드는 https://www.researchgate.net/publication/328733655_HOSS_Descriptor에서 다운로드할 수 있습니다.
머리카락 한 올까지 실시간으로 잡아낸다! NVIDIA가 발표한 신경물리학 기반 새로운 렌더링 기술 SIGGRAPH 2023 발표!