PulseAugur
中
实时 14:00:24
English(EN) Towards Seamless Lunar Mosaics: Deep Radiometric Normalization for Cross-Sensor Orbital Imagery Using Chandrayaan-2 TMC Data

深度学习框架对月球影像进行归一化以实现无缝镶嵌

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个深度学习框架，以解决由不同轨道影像源创建的月球镶嵌图中的辐射不一致性问题。该系统利用条件生成对抗网络 (cGAN) 将传统镶嵌的图像映射到光度一致的参考。这种方法在 Chandrayaan-2 TMC 和 SELENE 数据上进行了测试，与传统方法相比，显著提高了色调均匀性并减少了接缝伪影。 AI

影响 通过改进图像镶嵌技术，提高了行星表面地图的保真度。

排序理由 学术论文，提出了一种新颖的用于图像处理的深度学习框架。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

深度学习框架对月球影像进行归一化以实现无缝镶嵌

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Pratincha Singh, Jai Gopal Singla, Prashant Hemrajani, Nitant Dube, Amithabh, Hinal Patel ·

    迈向无缝月球镶嵌图：利用 Chandrayaan-2 TMC 数据实现跨传感器轨道影像的深度辐射归一化

    arXiv:2604.25208v1 Announce Type: new Abstract: Radiometric inconsistencies remain a major challenge in generating seamless lunar mosaics from multi-mission orbital imagery due to variability in illumination geometry, sensor characteristics, and acquisition conditions. This paper…

  2. arXiv cs.CV TIER_1 English(EN) · Hinal Patel ·

    迈向无缝月球镶嵌图：利用 Chandrayaan-2 TMC 数据实现跨传感器轨道影像的深度辐射归一化

    Radiometric inconsistencies remain a major challenge in generating seamless lunar mosaics from multi-mission orbital imagery due to variability in illumination geometry, sensor characteristics, and acquisition conditions. This paper presents a deep learning-based radiometric norm…

相关实体

相关话题