論文の概要: Hyperspectral Image Denoising via Global Spatial-Spectral Total Variation Regularized Nonconvex Local Low-Rank Tensor Approximation

• arxiv url: http://arxiv.org/abs/2006.00235v1
• Date: Sat, 30 May 2020 10:03:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 18:07:33.125026
• Title: Hyperspectral Image Denoising via Global Spatial-Spectral Total Variation Regularized Nonconvex Local Low-Rank Tensor Approximation
• Title（参考訳）: 大域的空間スペクトル全変動正規化非凸局所低ランクテンソル近似による超スペクトル画像の分極
• Authors: Haijin Zeng, Xiaozhen Xie, Jifeng Ning
• Abstract要約: 騒音汚染は頻繁に発生し、変換ペナルティはスムーズな局所ドメインを示す。 本稿では,この側面を復元するための新しい近似全変動(SSTV)を提案する。 結果は、HSIの全体的な構造情報を高めることができる。
• 参考スコア（独自算出の注目度）: 1.3406858660972554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral image (HSI) denoising aims to restore clean HSI from the noise-contaminated one. Noise contamination can often be caused during data acquisition and conversion. In this paper, we propose a novel spatial-spectral total variation (SSTV) regularized nonconvex local low-rank (LR) tensor approximation method to remove mixed noise in HSIs. From one aspect, the clean HSI data have its underlying local LR tensor property, even though the real HSI data may not be globally low-rank due to out-liers and non-Gaussian noise. According to this fact, we propose a novel tensor $L_{\gamma}$-norm to formulate the local LR prior. From another aspect, HSIs are assumed to be piecewisely smooth in the global spatial and spectral domains. Instead of traditional bandwise total variation, we use the SSTV regularization to simultaneously consider global spatial structure and spectral correlation of neighboring bands. Results on simulated and real HSI datasets indicate that the use of local LR tensor penalty and global SSTV can boost the preserving of local details and overall structural information in HSIs.
• Abstract（参考訳）: hyperspectral image (hsi) ノイズ汚染画像からクリーンなhsiを復元することを目的としている。 ノイズ汚染は、しばしばデータ取得と変換の間に起こる。 本稿では,HSIの混合雑音を除去するために,新しい空間スペクトル全変動(SSTV)正規化非凸局所低ランクテンソル近似法を提案する。 クリーンなHSIデータは、外周音や非ガウス雑音のため、実際のHSIデータは全世界的に低ランクではないとしても、基礎となるローカルLRテンソル特性を有する。 この事実により、我々は局所LRを定式化するための新しいテンソル$L_{\gamma}$-normを提案する。 別の側面から、HSIは、大域空間領域とスペクトル領域において断片的に滑らかであると仮定される。 従来の帯域ごとの総変動の代わりに、sstv正規化を用いて、隣接するバンドのグローバル空間構造とスペクトル相関を同時に考慮する。 シミュレーションおよび実HSIデータセットの結果は、ローカルLRテンソルペナルティとグローバルSSTVの使用により、HSIの局所的詳細と全体構造情報の保存が促進されることを示している。

関連論文リスト

• Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation [71.69331824668954]
  低ランクテンソル表現はスペクトル変動を緩和するための重要なアプローチである。 従来の低ランク表現法は、通常のデータキューブにのみ適用できる。 本稿では,不規則な3次元立方体を効率的にモデル化できる新しい不規則な低ランク表現法を提案する。
  論文  参考訳（メタデータ） (2024-10-24T02:56:22Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• Spectral Enhanced Rectangle Transformer for Hyperspectral Image Denoising [64.11157141177208]
  ハイパースペクトル画像の空間的およびスペクトル的相関をモデル化するスペクトル拡張矩形変換器を提案する。 前者に対しては、長方形自己アテンションを水平および垂直に利用し、空間領域における非局所的類似性を捉える。 後者のために,空間スペクトル立方体の大域的低ランク特性を抽出し,雑音を抑制するスペクトル拡張モジュールを設計する。
  論文  参考訳（メタデータ） (2023-04-03T09:42:13Z)
• Graph Spatio-Spectral Total Variation Model for Hyperspectral Image Denoising [16.562236225580513]
  混合ノイズ除去のための新しいテレビ型正規化であるGraph-SSTV(GSSTV)を提案する。 GSSTVは、雑音の多いHSIからターゲットHSIの空間構造を明示的に反映したグラフを生成し、このグラフに基づいて重み付き空間差演算子を組み込む。 混合雑音除去実験による既存のHSI正則化モデルと比較して, GSSTVの有効性を示す。
  論文  参考訳（メタデータ） (2022-07-22T12:46:21Z)
• Hyperspectral Image Denoising Using Non-convex Local Low-rank and Sparse Separation with Spatial-Spectral Total Variation Regularization [49.55649406434796]
  本研究では,HSI復調のためのロバストな主成分分析のための新しい非特異なアプローチを提案する。 我々は、ランクとスパースコンポーネントの両方に対する正確な近似を開発する。 シミュレーションと実HSIの両方の実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-01-08T11:48:46Z)
• 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)
• Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
  ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。 提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
  論文  参考訳（メタデータ） (2020-10-24T15:53:56Z)
• Hyperspectral Image Denoising with Partially Orthogonal Matrix Vector Tensor Factorization [42.56231647066719]
  ハイパースペクトル画像(HSI)は、スペクトルの余分な情報により、様々な用途の自然画像に対していくつかの利点がある。 買収の間、しばしばガウシアンノイズ、インパルスノイズ、期限、ストライプなどの厳しい騒音によって汚染される。 本研究では,スムーズかつロバストな低ランクテンソルリカバリというHSI復元手法を提案する。
  論文  参考訳（メタデータ） (2020-06-29T02:10:07Z)
• Hyperspectral Image Restoration via Global Total Variation Regularized Local nonconvex Low-Rank matrix Approximation [1.3406858660972554]
  ハイパスペクトル画像(HSI)における混合ノイズを取り除くために、複数の帯域幅全変動(TV)正規化低ランク(LR)モデルが提案されている。
  論文  参考訳（メタデータ） (2020-05-08T16:42:18Z)

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。