論文の概要: Hyperspectral Image Segmentation based on Graph Processing over Multilayer Networks

• arxiv url: http://arxiv.org/abs/2111.15018v1
• Date: Mon, 29 Nov 2021 23:28:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-02 06:57:49.995669
• Title: Hyperspectral Image Segmentation based on Graph Processing over Multilayer Networks
• Title（参考訳）: 多層ネットワーク上のグラフ処理に基づくハイパースペクトル画像分割
• Authors: Songyang Zhang, Qinwen Deng, and Zhi Ding
• Abstract要約: ハイパースペクトル画像(HSI)処理の1つの重要な課題は、スペクトル空間的特徴の抽出である。 M-GSP特徴抽出に基づくHSIセグメンテーションへのいくつかのアプローチを提案する。 HSI処理とスペクトル空間情報抽出におけるM-GSPの強度を実験的に検証した。
• 参考スコア（独自算出の注目度）: 51.15952040322895
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperspectral imaging is an important sensing technology with broad applications and impact in areas including environmental science, weather, and geo/space exploration. One important task of hyperspectral image (HSI) processing is the extraction of spectral-spatial features. Leveraging on the recent-developed graph signal processing over multilayer networks (M-GSP), this work proposes several approaches to HSI segmentation based on M-GSP feature extraction. To capture joint spectral-spatial information, we first customize a tensor-based multilayer network (MLN) model for HSI, and define a MLN singular space for feature extraction. We then develop an unsupervised HSI segmentation method by utilizing MLN spectral clustering. Regrouping HSI pixels via MLN-based clustering, we further propose a semi-supervised HSI classification based on multi-resolution fusions of superpixels. Our experimental results demonstrate the strength of M-GSP in HSI processing and spectral-spatial information extraction.
• Abstract（参考訳）: ハイパースペクトルイメージングは、環境科学、気象学、地球・宇宙探査など、幅広い応用と影響を持つ重要なセンシング技術である。 ハイパースペクトル画像(HSI)処理の重要な課題は、スペクトル空間的特徴の抽出である。 近年開発されたマルチレイヤネットワーク(M-GSP)上でのグラフ信号処理を活用し,M-GSP特徴抽出に基づくHSIセグメンテーションへのいくつかのアプローチを提案する。 まず,HSIのためのテンソルベース多層ネットワーク(MLN)モデルをカスタマイズし,特徴抽出のためのMLN特異空間を定義する。 次に,MLNスペクトルクラスタリングを利用した教師なしHSIセグメンテーション手法を開発した。 MLNに基づくクラスタリングによりHSI画素を再分類し,スーパーピクセルの多重分解能融合に基づく半教師付きHSI分類を提案する。 実験結果は,hsi処理およびスペクトル空間情報抽出におけるm-gspの強度を示す。

関連論文リスト

• IGroupSS-Mamba: Interval Group Spatial-Spectral Mamba for Hyperspectral Image Classification [13.534632557010005]
  本稿では,HSI分類のための軽量なインターバル群空間スペクトルマンバフレームワーク(IGroupSS-Mamba)について検討する。 IGroupSS-Mambaは、グループ化と階層化により、多方向及びマルチスケールの空間スペクトル情報抽出を可能にする。 実験により、IGroupSS-Mambaは最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-10-07T14:55:50Z)
• Spectral Graph Reasoning Network for Hyperspectral Image Classification [0.43512163406551996]
  畳み込みニューラルネットワーク(CNN)は、ハイパースペクトル画像(HSI)分類において顕著な性能を達成した。 本稿では、2つの重要なモジュールからなるスペクトルグラフ推論ネットワーク(SGR)学習フレームワークを提案する。 2つのHSIデータセットの実験により、提案したアーキテクチャが分類精度を大幅に改善できることが示されている。
  論文  参考訳（メタデータ） (2024-07-02T20:29:23Z)
• HyperSIGMA: Hyperspectral Intelligence Comprehension Foundation Model [88.13261547704444]
  Hyper SIGMAは、HSI解釈のためのビジョントランスフォーマーベースの基礎モデルである。 特別に設計されたスペクトル拡張モジュールを使用して、空間的特徴とスペクトル的特徴を統合する。 スケーラビリティ、堅牢性、クロスモーダル転送能力、実世界の適用性において大きなメリットがある。
  論文  参考訳（メタデータ） (2024-06-17T13:22:58Z)
• DCN-T: Dual Context Network with Transformer for Hyperspectral Image Classification [109.09061514799413]
  複雑な撮像条件による空間変動のため,HSI分類は困難である。 本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。 提案手法は,HSI分類における最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-04-19T18:32:52Z)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)
• Spectral Superresolution of Multispectral Imagery with Joint Sparse and Low-Rank Learning [29.834065415830764]
  MS画像のスペクトル超解像 (SSR) は, 逆画像における高視差のため, 困難であり, あまり研究されていない。 重なり合う領域から低ランクのHS-MS辞書ペアを共同学習することにより,MS画像のスペクトル化を図る,ジョイントスパースとローランク学習(J-SLoL)と呼ばれるシンプルで効果的な手法を開発した。
  論文  参考訳（メタデータ） (2020-07-28T06:08:44Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)
• 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。