Fugu-MT 論文翻訳(概要): Snapshot Hyperspectral Imaging Based on Weighted High-order Singular Value Regularization

論文の概要: Snapshot Hyperspectral Imaging Based on Weighted High-order Singular Value Regularization

arxiv url: http://arxiv.org/abs/2101.08923v1
Date: Fri, 22 Jan 2021 02:54:55 GMT
ステータス: 処理完了
システム内更新日: 2021-03-21 07:03:27.776077
Title: Snapshot Hyperspectral Imaging Based on Weighted High-order Singular Value Regularization
Title（参考訳）: 重み付き高次特異値正規化に基づくスナップショットハイパースペクトルイメージング
Authors: Niankai Cheng, Hua Huang, Lei Zhang, and Lizhi Wang
Abstract要約: スナップショットハイパースペクトルイメージングは、単一の2D測定で3Dハイパースペクトル画像(HSI)をキャプチャできます。既存の復元方法は、3D HSIの構造的スペクトル空間的性質を完全に利用することはできない。スナップショットハイパースペクトル画像の再構成精度を高めるために,高次テンソル最適化法を提案する。
参考スコア（独自算出の注目度）: 22.5033027930853
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Snapshot hyperspectral imaging can capture the 3D hyperspectral image (HSI) with a single 2D measurement and has attracted increasing attention recently. Recovering the underlying HSI from the compressive measurement is an ill-posed problem and exploiting the image prior is essential for solving this ill-posed problem. However, existing reconstruction methods always start from modeling image prior with the 1D vector or 2D matrix and cannot fully exploit the structurally spectral-spatial nature in 3D HSI, thus leading to a poor fidelity. In this paper, we propose an effective high-order tensor optimization based method to boost the reconstruction fidelity for snapshot hyperspectral imaging. We first build high-order tensors by exploiting the spatial-spectral correlation in HSI. Then, we propose a weight high-order singular value regularization (WHOSVR) based low-rank tensor recovery model to characterize the structure prior of HSI. By integrating the structure prior in WHOSVR with the system imaging process, we develop an optimization framework for HSI reconstruction, which is finally solved via the alternating minimization algorithm. Extensive experiments implemented on two representative systems demonstrate that our method outperforms state-of-the-art methods.
Abstract（参考訳）: スナップショットハイパースペクトル画像は、単一の2次元計測で3次元ハイパースペクトル画像(HSI)を撮影でき、近年注目を集めている。圧縮測定から基礎となるHSIを復元することは不適切な問題であり、この不適切な問題の解決には画像の事前利用が不可欠である。しかし、既存の再構成手法は常に1次元ベクトルや2次元行列に先立って画像のモデリングから始まり、3次元HSIの構造的スペクトル空間特性を完全に活用できないため、忠実度は低い。本稿では,高次テンソル最適化を効果的に行うことにより,スナップショットハイパースペクトルイメージングの再構成精度を向上させる手法を提案する。まず,hsiの空間スペクトル相関を利用して高次テンソルを構築する。そこで本研究では,HSI以前の構造を特徴付けるために,WHOSVRに基づく高次特異値正規化モデルを提案する。 WHOSVRに先行する構造をシステムイメージングプロセスと統合することにより,HSI再構成のための最適化フレームワークを開発し,そのアルゴリズムを交互に最小化することで最終的に解決する。 2つの代表的なシステムで実施した広範囲な実験により,本手法が最先端手法よりも優れていることが証明された。
全文参考訳へのリンク