Fugu-MT 論文翻訳(概要): Hyperspectral Image Denoising with Log-Based Robust PCA

論文の概要: Hyperspectral Image Denoising with Log-Based Robust PCA

arxiv url: http://arxiv.org/abs/2105.11927v1
Date: Tue, 25 May 2021 13:32:01 GMT
ステータス: 処理完了
システム内更新日: 2021-05-26 17:34:07.893782
Title: Hyperspectral Image Denoising with Log-Based Robust PCA
Title（参考訳）: ログベースロバストPCAを用いたハイパースペクトル画像デノーミング
Authors: Yang Liu, Qian Zhang, Yongyong Chen, Qiang Cheng and Chong Peng
Abstract要約: ハイパースペクトル画像(HSI)から重音と混合音を除去することは難しい課題である。本稿では,HSI復調のための新しい非近似手法を提案する。実HSIのシミュレーション実験により,提案手法の有効性が示された。
参考スコア（独自算出の注目度）: 29.566894890976194
License: http://creativecommons.org/licenses/by/4.0/
Abstract: It is a challenging task to remove heavy and mixed types of noise from Hyperspectral images (HSIs). In this paper, we propose a novel nonconvex approach to RPCA for HSI denoising, which adopts the log-determinant rank approximation and a novel $\ell_{2,\log}$ norm, to restrict the low-rank or column-wise sparse properties for the component matrices, respectively.For the $\ell_{2,\log}$-regularized shrinkage problem, we develop an efficient, closed-form solution, which is named $\ell_{2,\log}$-shrinkage operator, which can be generally used in other problems. Extensive experiments on both simulated and real HSIs demonstrate the effectiveness of the proposed method in denoising HSIs.
Abstract（参考訳）: ハイパースペクトル画像(hsis)から重く混入したノイズを除去することは難しい課題である。本稿では,hsi 除算のための rpca に対する新しい非凸的アプローチを提案する。これは対数決定ランク近似(log- determinant rank approximation)と新しい $\ell_{2,\log}$ norm を用いて,成分行列の低ランクあるいは列方向のスパース特性をそれぞれ制限する。シミュレーションおよび実HSIの広汎な実験により,提案手法の有効性が示された。

関連論文リスト

Orthogonal Constrained Minimization with Tensor $\ell_{2,p}$ Regularization for HSI Denoising and Destriping [9.158391874035011]
ハイパースペクトル画像(HSI)は、ガウスノイズ、デッドライン、ストライプなどの混合ノイズによって汚染されることが多い。我々は,NLTL2pと呼ばれるHSIデノベーションとデトリップのための新しいアプローチを提案する。
論文参考訳（メタデータ） (2024-07-04T03:33:19Z)
An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文参考訳（メタデータ） (2023-06-10T08:25:16Z)
Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文参考訳（メタデータ） (2023-05-17T13:56:48Z)
Fast Noise Removal in Hyperspectral Images via Representative Coefficient Total Variation [38.23169948685068]
データの構造的先行をマイニングすることは、ハイパースペクトル画像(HSI)のタスクを認知する技術として広く認知されている。モデルベースのメソッドは優れた一般化能力を持ち、ランタイムは高速な処理要求を満たすことができない。低位と局所的な滑らかな特性を同時に特徴付けるために,代表係数トータル変分 (RCTV) という新しい正規化器を提案する。
論文参考訳（メタデータ） (2022-11-03T14:06:37Z)
Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-04-05T12:46:36Z)
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)
Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
論文参考訳（メタデータ） (2021-07-02T11:55:40Z)
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)
Unsupervised Hyperspectral Mixed Noise Removal Via Spatial-Spectral Constrained Deep Image Prior [20.800924148446978]
HSI混合雑音除去のための空間スペクトル制約深部画像(S2DIP)を提案する。提案したS2DIPは、訓練データなしで深部CNNから得られる表現力を利用する。提案手法は, DIPのHSI復調能力を大幅に向上させる。
論文参考訳（メタデータ） (2020-08-22T04:25:08Z)
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)

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。