文献

J-GLOBAL ID：202202250920778669   整理番号：22A0202712

誘導超平面フィッティングによるリモートセンシング画像レジストレーションのためのロバストな特徴マッチング【JST・京大機械翻訳】

Robust Feature Matching for Remote Sensing Image Registration via Guided Hyperplane Fitting

著者 (5件)： Xiao Guobao (Fujian Provincial Key Laboratory of Information Processing and Intelligent Control, College of Computer and Control Engineering, Minjiang University, Fuzhou, China) ,  Luo Huan (College of Mathematics and Computer Science, Fuzhou University, Fuzhou, China) ,  Zeng Kun (College of Computer and Control Engineering, Minjiang University, Fuzhou, China) ,  Wei Leyi (School of Software, Shandong University, Jinan, China) ,  Ma Jiayi (Electronic Information School, Wuhan University, Wuhan, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5600714.1-14  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 特徴マッチングは,特徴ベースのリモートセンシング画像登録における基本的問題である。地上レリーフ変動と画像視点変化のため,リモートセンシング画像はしばしば局所歪を含み,高精度画像記録の困難さをもたらす。この課題に取り組むために,本論文では,誘導超平面フィッティングによるリモートセンシング画像レジストレーションのための第一近傍関係誘導(FNRG)と呼ばれるロバストな特徴マッチング法を提案した。FNRGの重要なアイデアは,パラメータフリーな方法で一貫したシードを求めるための2つの画像間の特徴点の最初の隣接関係を利用することである。一貫したシードに基づくより一貫した整合をブーストするために,著者らは,運動一貫性を課すことによって,アフィン超平面フィッティング問題への特徴マッチング問題を定式化し,次に,著者らは,適合モデルを洗練するために,超平面更新戦略を設計した。また,超平面更新戦略のマッチング性能を促進するために,局所保存構造ベースコスト関数を導入した。著者らの方法は,数ミリ秒以内で,数千の推定されるものから一貫した一致をマイニングすることができ,また,大規模な変化,回転,または厳しい非剛体変形でデータを処理できる。異なるタイプの画像変換によるリモートセンシング画像データセットに関する大規模な実験は,提案方法がいくつかの最先端の方法に関して顕著な優位性を達成することを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 費用関数 ,  定式化 ,  画像変換 ,  *ロバスト性
準シソーラス用語： 画像記録 ,  高精度 ,  特徴点 ,  超平面 ,  非剛体 ,  局所歪 ,  *リモートセンシング画像 ,  *特徴マッチング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 誘導 ,  超平面 ,  フィッティング ,  リモートセンシング画像 ,  レジストレーション ,  ロバスト ,  特徴マッチング