文献

J-GLOBAL ID：202102217950769660   整理番号：21A2712963

注意機構に基づく半教師つきマルチゲイン画像融合【JST・京大機械翻訳】

Attention Mechanism Based Semi-Supervised Multi-Gain Image Fusion

著者 (6件)： Fang Ming (School of Computer Science and Technology, Changchun University of Science and Technology, Changchun 130022, China) ,  Fang Ming (School of Artificial Intelligence, Changchun University of Science and Technology, Changchun 130022, China) ,  Liang Xu (School of Computer Science and Technology, Changchun University of Science and Technology, Changchun 130022, China) ,  Fu Feiran (School of Computer Science and Technology, Changchun University of Science and Technology, Changchun 130022, China) ,  Song Yansong (Institute of Space Photoelectric Technology, Changchun University of Science and Technology, Changchun 130022, China) ,  Shao Zhen (School of Computer Science and Technology, Changchun University of Science and Technology, Changchun 130022, China)
資料名： Symmetry (Web)  (Symmetry (Web))
巻： 12  号： 3  ページ： 451  発行年： 2020年 
JST資料番号： U7282A  ISSN： 2073-8994  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 高ダイナミックレンジイメージング技術はカメラダイナミックレンジの限界を改善する有効な方法である。しかし,ほとんどの現在の高動的イメージング技術は,異なる曝露レベルを有する多重フレームの画像融合に基づいている。そのような方法は,例えば,運動アーチファクト,詳細損失およびエッジ効果に対して,様々な現象の傾向がある。本論文では,2つの異なる利得画像を同時に出力できるデュアルチャネルカメラを結合し,多重利得画像を融合するための注意機構に基づく半教師つきネットワーク構造を提案した。提案したネットワーク構造は,符号化,融合および復号化モジュールから成る。最初に,U-Net構造を符号化モジュールで採用して,ソース画像における重要な詳細情報を最大範囲に抽出した。同時に,SENet注意機構を,異なる特徴チャネルに異なる重みを割り当てて,重要な特徴を強調するために,符号化モジュールにおいて採用した。次に,符号化モジュールから抽出した特徴マップを融合モジュールによる融合後の再構成のための復号化モジュールに入力し,融合画像を得た。実験結果は,提案した方法によって得られた融合画像が,明確な詳細と高いコントラストを実証することを示した。他の方法と比較して,提案方法はいくつかの指標と比較して融合画像品質を改善する。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  コントラスト ,  ネットワーク構造 ,  *復号化 ,  多重化 ,  縁効果 ,  再構成 ,  利得 ,  ダイナミックレンジ ,  画像技術 ,  チャネル
準シソーラス用語： *画像融合 ,  動的イメージング ,  デュアルチャネル ,  高ダイナミックレンジ , 【Automatic Indexing@JST】

著者キーワード (4件)： マルチゲイン ,  半教師つき ,  注意機構 ,  画像融合

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (28件)：

• Kou, F.; Li, Z.; Wen, C.; Chen, W. Edge-preserving smoothing pyramid based multi-scale exposure fusion. J. Vis. Commun. Image Represent. 2018, 53, 235-244.
• Guo, X.; Li, Y.; Ling, H. LIME: Low-light image enhancement via illumination map estimation. IEEE Trans. Image Process. 2016, 26, 982-993.
• Mertens, T.; Kautz, J.; Van Reeth, F. Exposure fusion: A simple and practical alternative to high dynamic range photography. Comput. Graph. Forum 2009, 28, 161-171.
• Zhao, C.; Guo, Y.; Wang, Y. A fast fusion scheme for infrared and visible light images in NSCT domain. Infrared Phys. Technol. 2015, 72, 266-275.
• Que, Y.; Yang, Y.; Lee, H. Exposure Measurement and Fusion via Adaptive Multiscale Edge-Preserving Smoothing. IEEE Trans. Instrum. Meas. 2019.

タイトルに関連する用語 (5件)： 注意 ,  教師 ,  マルチ ,  ゲイン ,  画像融合