論文の概要: Learnable Reconstruction Methods from RGB Images to Hyperspectral Imaging: A Survey

• arxiv url: http://arxiv.org/abs/2106.15944v1
• Date: Wed, 30 Jun 2021 09:52:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-01 15:22:17.053910
• Title: Learnable Reconstruction Methods from RGB Images to Hyperspectral Imaging: A Survey
• Title（参考訳）: RGB画像からハイパースペクトル画像への学習可能な再構成法:サーベイ
• Authors: Jingang Zhang and Runmu Su and Wenqi Ren and Qiang Fu and Yunfeng Nie
• Abstract要約: より安価なRGB画像から高スペクトル情報を直接再構成することで、多くの代替分光イメージング法が提案されている。 広帯域RGB画像から最新のスペクトル再構成手法を徹底的に検討する。 データ駆動深層学習法の多くは, 速度が低いにもかかわらず, 復元精度と品質の点で, 従来の手法よりも優れている。
• 参考スコア（独自算出の注目度）: 27.235897806207706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral imaging enables versatile applications due to its competence in capturing abundant spatial and spectral information, which are crucial for identifying substances. However, the devices for acquiring hyperspectral images are expensive and complicated. Therefore, many alternative spectral imaging methods have been proposed by directly reconstructing the hyperspectral information from lower-cost, more available RGB images. We present a thorough investigation of these state-of-the-art spectral reconstruction methods from the widespread RGB images. A systematic study and comparison of more than 25 methods has revealed that most of the data-driven deep learning methods are superior to prior-based methods in terms of reconstruction accuracy and quality despite lower speeds. This comprehensive review can serve as a fruitful reference source for peer researchers, thus further inspiring future development directions in related domains.
• Abstract（参考訳）: ハイパースペクトルイメージング(hyperspectral imaging)は、豊富な空間的およびスペクトル的情報を捉える能力があるため、多目的な応用を可能にする。 しかし、ハイパースペクトル画像を取得する装置は高価で複雑である。 そのため、より安価なRGB画像から高スペクトル情報を直接再構成することで、多くのスペクトルイメージング手法が提案されている。 本稿では,RGB画像から最新のスペクトル再構成手法について詳細に検討する。 25以上の手法の体系的な研究と比較により、データ駆動深層学習法のほとんどは、低速にもかかわらず復元精度と品質の点で、従来の手法よりも優れていることが明らかになった。 この包括的なレビューは、ピア研究者にとって実りある参考資料となり、関連する分野における今後の開発方向性をさらに刺激することができる。

関連論文リスト

• A self-supervised and adversarial approach to hyperspectral demosaicking and RGB reconstruction in surgical imaging [3.426432165500852]
  ハイパースペクトルイメージングは、肉眼では見えない詳細な情報を持つ生体組織分化機能を提供することによって、外科的イメージングにおいて有望である。 術中誘導のためには、リアルタイムのスペクトルデータキャプチャと表示が義務付けられている。この要件から、現在、スナップショットモザイクハイパースペクトルカメラが最も適した技術であると見なされている。 本稿では,2組の高分解能データに依存しない自己教師型復号法とRGB再構成法を提案する。
  論文  参考訳（メタデータ） (2024-07-27T15:29:35Z)
• Deep learning-based hyperspectral image reconstruction for quality assessment of agro-product [0.0]
  本研究の目的は,農業用深層学習によるRGB画像からのハイパースペクトル画像の再構成である。 アルゴリズムは、RGB画像からのハイパースペクトル画像を正確に再構成し、その結果のスペクトルは、地上構造と密接に一致した。 これらの知見は,様々な農業用ツールとして,ディープラーニングに基づくハイパースペクトル画像再構成の可能性を強調した。
  論文  参考訳（メタデータ） (2024-05-20T18:15:20Z)
• Blind deblurring of hyperspectral document images [0.0]
  マルチスペクトル(MS)とハイパースペクトル(HS)の画像は、RGB画像よりもはるかにリッチなスペクトル情報を含んでいる。 文書化に適した新しいブラインドHS画像デブロアリング手法を提案する。
  論文  参考訳（メタデータ） (2023-03-09T09:31:13Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
  我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。 我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。 私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
  論文  参考訳（メタデータ） (2021-10-15T13:16:59Z)
• Semantic-embedded Unsupervised Spectral Reconstruction from Single RGB Images in the Wild [48.44194221801609]
  この課題に対処するため、我々は、新しい軽量でエンドツーエンドの学習ベースのフレームワークを提案する。 我々は、効率的なカメラスペクトル応答関数推定により、検索されたHS画像から入力されたRGB画像と再投影されたRGB画像の差を徐々に広げる。 提案手法は最先端の教師なし手法よりも優れており,いくつかの設定下では最新の教師付き手法よりも優れている。
  論文  参考訳（メタデータ） (2021-08-15T05:19:44Z)
• Enhanced Hyperspectral Image Super-Resolution via RGB Fusion and TV-TV Minimization [9.584717030078245]
  ハイパースペクトル(HS)画像には、リモートセンシング、監視、天文学などの応用において重要な、詳細なスペクトル情報が含まれている。 HSカメラのハードウェア制限のため、撮像された画像は空間解像度が低い。 それらを改善するために、低分解能ハイパースペクトル画像は、融合ベースHS画像超解像と呼ばれる技術により、従来の高分解能RGB画像と融合する。
  論文  参考訳（メタデータ） (2021-06-13T18:52:47Z)
• Tuning IR-cut Filter for Illumination-aware Spectral Reconstruction from RGB [84.1657998542458]
  再現精度は、使用中のRGBカメラのスペクトル応答に大きく依存していることが証明されている。 本稿では,既存のrgbカメラのフィルタアレイに基づくカラーイメージング機構を調査し,irカットフィルタの設計方法を提案する。
  論文  参考訳（メタデータ） (2021-03-26T19:42:21Z)
• 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)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。