論文の概要: Spectral Variability Augmented Sparse Unmixing of Hyperspectral Images
- arxiv url: http://arxiv.org/abs/2110.09744v2
- Date: Thu, 21 Oct 2021 14:40:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-22 11:41:35.268967
- Title: Spectral Variability Augmented Sparse Unmixing of Hyperspectral Images
- Title（参考訳）: スペクトル変動によるハイパースペクトル画像のスパースアンミックス
- Authors: Ge Zhang, Shaohui Mei, Mingyang Ma, Yan Feng, and Qian Du
- Abstract要約: スペクトル変動を明示的に抽出するスペクトル変動拡張スパース混合モデル(SVASU)を提案する。
スペクトル変動ライブラリーと固有スペクトルライブラリーはいずれもIn-situ観測画像から構築されている。
合成, 実世界の両方のデータセットに対する実験結果から, スペクトル変動による拡張分解は未混合性能を著しく向上させることが示された。
- 参考スコア（独自算出の注目度）: 20.703976519242094
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Spectral unmixing (SU) expresses the mixed pixels existed in hyperspectral
images as the product of endmember and abundance, which has been widely used in
hyperspectral imagery analysis. However, the influence of light, acquisition
conditions and the inherent properties of materials, results in that the
identified endmembers can vary spectrally within a given image (construed as
spectral variability). To address this issue, recent methods usually use a
priori obtained spectral library to represent multiple characteristic spectra
of the same object, but few of them extracted the spectral variability
explicitly. In this paper, a spectral variability augmented sparse unmixing
model (SVASU) is proposed, in which the spectral variability is extracted for
the first time. The variable spectra are divided into two parts of intrinsic
spectrum and spectral variability for spectral reconstruction, and modeled
synchronously in the SU model adding the regular terms restricting the sparsity
of abundance and the generalization of the variability coefficient. It is noted
that the spectral variability library and the intrinsic spectral library are
all constructed from the In-situ observed image. Experimental results over both
synthetic and real-world data sets demonstrate that the augmented decomposition
by spectral variability significantly improves the unmixing performance than
the decomposition only by spectral library, as well as compared to
state-of-the-art algorithms.
- Abstract（参考訳）: スペクトルアンミキシング (SU) は、超スペクトル画像に存在する混合画素を、超スペクトル画像解析に広く用いられているエンドメンバーとアバンダンスの積として表現する。
しかし、光、取得条件、および材料の固有特性の影響により、識別されたエンドメンバーは(スペクトル変動性として表現される)所定の画像内でスペクトル的に変化することができる。
この問題に対処するために、最近の手法では、通常、同じ対象の複数の特性スペクトルを表すために、事前取得したスペクトルライブラリを使用するが、スペクトルの変動を明示的に抽出する手法はほとんどない。
本稿では,スペクトル変動を初めて抽出するスペクトル変動性拡張スパース混合モデル(svasu)を提案する。
可変スペクトルは、スペクトル再構成のための内在スペクトルとスペクトル変動性の2つの部分に分割され、存在量のスパーシティと変動係数の一般化を制限する正規項を付加したsuモデルで同期的にモデル化される。
スペクトル変動ライブラリーと固有スペクトルライブラリーはいずれもIn-situ観測画像から構築されている。
合成, 実世界の両方のデータセットに対する実験結果から, スペクトル変動による拡張分解は, スペクトルライブラリのみによる分解よりも, および最先端のアルゴリズムと比較して, 未混合性能を著しく向上させることが示された。
関連論文リスト
- Weighted Sum of Segmented Correlation: An Efficient Method for Spectra Matching in Hyperspectral Images [3.454872059813283]
本研究では,ライブラリの様々なセグメントとテストスペクトル間の相関指標を算出する重み付き相関法について紹介する。
この手法の有効性は、地球と火星の両面のハイパースペクトル画像における鉱物の同定に評価されている。
論文 参考訳（メタデータ） (2024-06-18T18:51:00Z) - Boosting the Generalization Ability for Hyperspectral Image Classification using Spectral-spatial Axial Aggregation Transformer [14.594398447576188]
ハイパースペクトル画像分類(HSIC)タスクでは、最も一般的に使われているモデル検証パラダイムは、画素単位のランダムサンプリングによってトレーニング・テストデータセットを分割することである。
私たちの実験では、トレーニングとテストデータセットが多くの情報を共有しているため、高い精度が達成できたことが分かりました。
本稿では,データセット分割間の一般化を保ったスペクトル-空間軸アグリゲーション変換器モデルSaaFormerを提案する。
論文 参考訳（メタデータ） (2023-06-29T07:55:43Z) - DiffUCD:Unsupervised Hyperspectral Image Change Detection with Semantic
Correlation Diffusion Model [46.68717345017946]
ハイパースペクトル画像変化検出(HSI-CD)はリモートセンシングにおいて重要な研究領域となっている。
意味相関拡散モデル(DiffUCD)を用いた新しい教師なしHSI-CDを提案する。
提案手法は,多数のサンプルを必要とする完全教師付き手法に匹敵する結果が得られる。
論文 参考訳（メタデータ） (2023-05-21T09:21:41Z) - Spectral Feature Augmentation for Graph Contrastive Learning and Beyond [64.78221638149276]
グラフ(および画像)におけるコントラスト学習のための新しいスペクトル特徴論法を提案する。
各データビューに対して,特徴写像毎の低ランク近似を推定し,その近似を地図から抽出して補数を求める。
これは、2つの価値ある副産物(単に1つまたは2つのイテレーション)を楽しむ非標準パワーレジームである、ここで提案された不完全パワーイテレーションによって達成される。
グラフ/画像データセットの実験では、スペクトルフィーチャの増大がベースラインを上回ります。
論文 参考訳（メタデータ） (2022-12-02T08:48:11Z) - Spectral Unmixing of Hyperspectral Images Based on Block Sparse
Structure [1.491109220586182]
本稿では,ブロックスパース構造とスパースベイズ学習戦略に基づくハイパースペクトル画像(HSI)のスペクトルアンミックス手法を提案する。
論文 参考訳（メタデータ） (2022-04-10T09:37:41Z) - A spectral-spatial fusion anomaly detection method for hyperspectral
imagery [7.155465756606866]
ハイパースペクトル画像に対してスペクトル融合異常検出法(SSFAD)を提案する。
新しい検出器は、空間領域におけるパッチ画像の局所的な類似性空間的特徴を抽出するように設計されている。
論文 参考訳（メタデータ） (2022-02-24T03:54:48Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳（メタデータ） (2021-03-25T15:20:10Z) - Fourth-Order Nonlocal Tensor Decomposition Model for Spectral Computed
Tomography [20.03088101097943]
分光CT(Spectral Computed Tomography)は、光子計数検出器(PCD)を用いて、異なるエネルギービンからのスペクトル像を再構成することができる。
スペクトル分率の限られた光子と計数率により、再構成されたスペクトル画像は通常、ひどいノイズに悩まされる。
本稿では,スペクトルCT画像再構成(FONT-SIR)のための4階非局所テンソル分解モデルを提案する。
論文 参考訳（メタデータ） (2020-10-27T15:14:36Z) - Cross-Spectral Periocular Recognition with Conditional Adversarial
Networks [59.17685450892182]
本研究では,近赤外・近赤外スペクトル間の近赤外画像の変換を訓練した条件付き生成逆相関ネットワークを提案する。
EER=1%, GAR>99% @ FAR=1%, ポリUデータベースの最先端技術に匹敵するスペクトル近視性能を得た。
論文 参考訳（メタデータ） (2020-08-26T15:02:04Z) - Two-Dimensional Single- and Multiple-Quantum Correlation Spectroscopy in
Zero-Field Nuclear Magnetic Resonance [55.41644538483948]
Rb気相セル磁気センサを用いてゼロ磁場で検出された1量子および複数量子相関$J$-spectroscopyを示す。
ゼロフィールドでは、エタノールのスペクトルは炭素イソトポマーの混合物として現れ、相関スペクトルは2つの複合スペクトルを分離するのに有用である。
論文 参考訳（メタデータ） (2020-04-09T10:02:45Z) - 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。