論文の概要: SASSI -- Super-Pixelated Adaptive Spatio-Spectral Imaging

• arxiv url: http://arxiv.org/abs/2012.14495v1
• Date: Mon, 28 Dec 2020 21:34:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-19 13:03:58.274798
• Title: SASSI -- Super-Pixelated Adaptive Spatio-Spectral Imaging
• Title（参考訳）: SASSI -- 超画像化適応スペクトルイメージング
• Authors: Vishwanath Saragadam, Michael DeZeeuw, Richard Baraniuk, Ashok Veeraraghavan, and Aswin Sankaranarayanan
• Abstract要約: 高い空間分解能と時間分解能を持つ新しいビデオレートハイパースペクトラム画像装置を紹介します。 超画素分割画像によって誘導されるハイパースペクトルシーンのシーン適応空間サンプリングは、高品質の再構築を得ることができる。 提案手法を広範にシミュレーションし,600倍900万画素の空間分解能でハイパースペクトル映像を測定する実験室のプロトタイプとして検証した。
• 参考スコア（独自算出の注目度）: 17.2152544145501
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a novel video-rate hyperspectral imager with high spatial, and temporal resolutions. Our key hypothesis is that spectral profiles of pixels in a super-pixel of an oversegmented image tend to be very similar. Hence, a scene-adaptive spatial sampling of an hyperspectral scene, guided by its super-pixel segmented image, is capable of obtaining high-quality reconstructions. To achieve this, we acquire an RGB image of the scene, compute its super-pixels, from which we generate a spatial mask of locations where we measure high-resolution spectrum. The hyperspectral image is subsequently estimated by fusing the RGB image and the spectral measurements using a learnable guided filtering approach. Due to low computational complexity of the superpixel estimation step, our setup can capture hyperspectral images of the scenes with little overhead over traditional snapshot hyperspectral cameras, but with significantly higher spatial and spectral resolutions. We validate the proposed technique with extensive simulations as well as a lab prototype that measures hyperspectral video at a spatial resolution of $600 \times 900$ pixels, at a spectral resolution of 10 nm over visible wavebands, and achieving a frame rate at $18$fps.
• Abstract（参考訳）: 空間分解能と時間分解能を有する新しいビデオレートハイパースペクトル画像装置を提案する。 我々のキーとなる仮説は、過剰な画像の超画素におけるピクセルのスペクトルプロファイルは、非常によく似ているということだ。 したがって、その超画素分割画像で導かれるハイパースペクトルシーンのシーン適応型空間サンプリングにより、高品質な再構成を得ることができる。 これを実現するために、シーンのRGB画像を取得し、その超画素を計算し、高分解能スペクトルを測定する場所の空間マスクを生成する。 rgb画像とスペクトル測定を学習可能なフィルタリング手法を用いて融合することにより、ハイパースペクトル画像を推定する。 スーパーピクセル推定ステップの計算量が少ないため、従来のスナップショットハイパースペクトルカメラよりもオーバーヘッドが少ないが、空間解像度とスペクトル解像度がかなり高いシーンのハイパースペクトル画像をキャプチャできる。 提案手法を広範にシミュレーションし,900ドル画素の空間分解能で超スペクトルビデオを計測し,可視光帯域上で10nmのスペクトル分解能でフレームレートを18ドルfpsで達成する実験室プロトタイプとともに検証した。

関連論文リスト

• HyperColorization: Propagating spatially sparse noisy spectral clues for reconstructing hyperspectral images [2.7214317850962106]
  グレースケールガイド画像から高スペクトル像を再構成し,空間的に粗いスペクトル手がかりを抽出するカラー化を提案する。 提案アルゴリズムは,高スペクトル画像の様々なスペクトル次元に一般化し,低ランク空間における色付けが計算時間とショットノイズの影響を低減させることを示す。
  論文  参考訳（メタデータ） (2024-03-18T16:33:43Z)
• SSIF: Learning Continuous Image Representation for Spatial-Spectral Super-Resolution [73.46167948298041]
  本稿では,空間領域における連続画素座標とスペクトル領域における連続波長の両方の関数として,画像を表すニューラル暗黙モデルを提案する。 SSIFは空間分解能とスペクトル分解能の両方によく対応していることを示す。 ダウンストリームタスクのパフォーマンスを1.7%-7%向上させる高解像度画像を生成することができる。
  論文  参考訳（メタデータ） (2023-09-30T15:23:30Z)
• High Spectral Spatial Resolution Synthetic HyperSpectral Dataset form multi-source fusion [7.249349307341409]
  本研究では,高スペクトル像と空間分解能像を組み合わせた合成ハイパースペクトルデータセットを提案する。 提案したデータセットは、RGB、プッシュブルーム可視型ハイパースペクトルカメラ、スナップショット赤外線ハイパースペクトルカメラの3つのモードを活用することで、この制限に対処する。
  論文  参考訳（メタデータ） (2023-06-25T11:17:12Z)
• Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
  S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
  論文  参考訳（メタデータ） (2023-06-14T09:01:50Z)
• Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image Super-Resolution with Subpixel Fusion [67.35540259040806]
  サブピクセルレベルのHS超解像フレームワークを提案する。 名前が示すように、DC-Netはまず入力を共通(またはクロスセンサー)とセンサー固有のコンポーネントに分離する。 我々は,CSUネットの裏側に自己教師付き学習モジュールを付加し,素材の整合性を保証し,復元されたHS製品の詳細な外観を向上する。
  論文  参考訳（メタデータ） (2022-05-07T23:40:36Z)
• Unsupervised Spatial-spectral Hyperspectral Image Reconstruction and Clustering with Diffusion Geometry [6.279792995020646]
  本研究では,高度に混合したハイパースペクトル画像の分割のための空間スペクトル画像再構成と拡散幾何を用いたクラスタリング(DSIRC)アルゴリズムを提案する。 DSIRCは、データ適応空間近傍にスペクトル相関画素を配置し、その画素のスペクトルシグネチャを近隣のピクセルを用いて再構成する。 その結果,画像再構成による空間情報の取り込みにより,画素単位のクラスタリングの性能が大幅に向上することが示唆された。
  論文  参考訳（メタデータ） (2022-04-28T13:42:12Z)
• Superpixel Segmentation Based on Spatially Constrained Subspace Clustering [57.76302397774641]
  独立意味情報を持つ各代表領域を部分空間とみなし,部分空間クラスタリング問題としてスーパーピクセルセグメンテーションを定式化する。 従来のサブスペースクラスタリングとスーパーピクセルセグメンテーションの簡単な統合は,画素の空間相関のために効果的に機能しないことを示す。 本稿では,空間隣接画素に類似の属性を付加してスーパーピクセルにクラスタリング可能な,凸局所性制約付きサブスペースクラスタリングモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-11T06:18:36Z)
• Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
  空間情報とスペクトル情報の相互モダリティ分布が問題となる。 本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。 本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
  論文  参考訳（メタデータ） (2020-06-18T06:32:11Z)
• Spectral DiffuserCam: lensless snapshot hyperspectral imaging with a spectral filter array [1.6058099298620423]
  ハイパースペクトルイメージングは、医学診断から農業作物のモニタリングまで幅広い応用に有用である。 従来のハイパースペクトル画像装置は、広く採用されるには、明らかに遅くて高価である。 ハイパースペクトルイメージングのためのコンパクトでコンパクトで安価なカメラを提案する。
  論文  参考訳（メタデータ） (2020-06-15T17:31:17Z)
• Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery [79.69449412334188]
  本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。 本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。 実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
  論文  参考訳（メタデータ） (2020-05-18T14:25:50Z)

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。