論文の概要: Dual-Stage Approach Toward Hyperspectral Image Super-Resolution
- arxiv url: http://arxiv.org/abs/2204.04387v1
- Date: Sat, 9 Apr 2022 04:36:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 17:43:42.439337
- Title: Dual-Stage Approach Toward Hyperspectral Image Super-Resolution
- Title(参考訳): 超スペクトル超解像へのデュアルステージアプローチ
- Authors: Qiang Li, Yuan Yuan, Xiuping Jia, and Qi Wang
- Abstract要約: ハイパースペクトル画像超解像(DualSR)のための新しい構造を提案する。
粗い段階では、あるスペクトル範囲において高い類似性を持つ5つのバンドが3つのグループに分けられ、現在のバンドは潜在的な知識を研究するためにガイドされる。
微細な段階では、スペクトル角制約による拡張された後方投影法を開発し、空間-スペクトル整合性の内容を学習する。
- 参考スコア(独自算出の注目度): 21.68598210467761
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral image produces high spectral resolution at the sacrifice of
spatial resolution. Without reducing the spectral resolution, improving the
resolution in the spatial domain is a very challenging problem. Motivated by
the discovery that hyperspectral image exhibits high similarity between
adjacent bands in a large spectral range, in this paper, we explore a new
structure for hyperspectral image super-resolution (DualSR), leading to a
dual-stage design, i.e., coarse stage and fine stage. In coarse stage, five
bands with high similarity in a certain spectral range are divided into three
groups, and the current band is guided to study the potential knowledge. Under
the action of alternative spectral fusion mechanism, the coarse SR image is
super-resolved in band-by-band. In order to build model from a global
perspective, an enhanced back-projection method via spectral angle constraint
is developed in fine stage to learn the content of spatial-spectral
consistency, dramatically improving the performance gain. Extensive experiments
demonstrate the effectiveness of the proposed coarse stage and fine stage.
Besides, our network produces state-of-the-art results against existing works
in terms of spatial reconstruction and spectral fidelity.
- Abstract(参考訳): ハイパースペクトル画像は空間分解能を犠牲にして高スペクトル分解能を生成する。
スペクトル分解能を下げることなく、空間領域の分解能を改善することは、非常に難しい問題である。
本稿では,隣接帯域間の高類似性を示す超スペクトル画像の発見を動機とし,超スペクトル画像の超解像(dualsr)のための新しい構造を探索し,粗いステージと細かいステージの2段階設計へと導く。
粗い段階では、あるスペクトル範囲で類似度の高い5つのバンドを3つのグループに分け、現在のバンドを誘導して潜在的な知識を研究する。
代替スペクトル融合機構の作用により、粗いSR画像はバンド単位で超分解される。
大域的な視点からモデルを構築するため、スペクトル角制約による拡張バックプロジェクション法をファインステージで開発し、空間スペクトル一貫性の内容を学び、性能向上を図る。
大規模実験により提案した粗い段階と細い段階の有効性が示された。
さらに,ネットワークは,空間再構成とスペクトル忠実性の観点から,既存の作品に対して最先端の成果を創出する。
関連論文リスト
- Correlation Hyperspectral Imaging [0.0]
ハイパースペクトルイメージングは、高解像度で光の空間分布とスペクトル分布の両方に関する情報を提供することを目的としている。
従来のハイパースペクトル画像技術の典型的な欠点を克服できる光強度相関を利用して、この制限に対処する。
空間・スペクトルの高分解能化,高速化,望ましくないスペクトル特性に対する感度化の両立は,ハイパースペクトルイメージング装置のパラダイム変更につながる。
論文 参考訳(メタデータ) (2024-07-18T19:54:44Z) - Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。
我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。
提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
論文 参考訳(メタデータ) (2024-02-04T09:07:28Z) - Cross-Scope Spatial-Spectral Information Aggregation for Hyperspectral
Image Super-Resolution [47.12985199570964]
超高分解能超高分解能画像の長距離空間およびスペクトル類似性を調べるために,新しいクロススコープ空間スペクトル変換器(CST)を提案する。
具体的には,長距離空間スペクトル特性を包括的にモデル化するために,空間次元とスペクトル次元のクロスアテンション機構を考案する。
3つの超スペクトルデータセットに対する実験により、提案したCSTは他の最先端手法よりも定量的にも視覚的にも優れていることが示された。
論文 参考訳(メタデータ) (2023-11-29T03:38:56Z) - SSIF: Learning Continuous Image Representation for Spatial-Spectral
Super-Resolution [73.46167948298041]
本稿では,空間領域における連続画素座標とスペクトル領域における連続波長の両方の関数として,画像を表すニューラル暗黙モデルを提案する。
SSIFは空間分解能とスペクトル分解能の両方によく対応していることを示す。
ダウンストリームタスクのパフォーマンスを1.7%-7%向上させる高解像度画像を生成することができる。
論文 参考訳(メタデータ) (2023-09-30T15:23:30Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳(メタデータ) (2023-07-26T07:45:14Z) - High Spectral Spatial Resolution Synthetic HyperSpectral Dataset form
multi-source fusion [7.249349307341409]
本研究では,高スペクトル像と空間分解能像を組み合わせた合成ハイパースペクトルデータセットを提案する。
提案したデータセットは、RGB、プッシュブルーム可視型ハイパースペクトルカメラ、スナップショット赤外線ハイパースペクトルカメラの3つのモードを活用することで、この制限に対処する。
論文 参考訳(メタデータ) (2023-06-25T11:17:12Z) - A Latent Encoder Coupled Generative Adversarial Network (LE-GAN) for
Efficient Hyperspectral Image Super-resolution [3.1023808510465627]
GAN(Generative Adversarial Network)は画像超解像のための効果的なディープラーニングフレームワークであることが証明されている。
モード崩壊の問題を緩和するため,本研究では,潜在エンコーダ(LE-GAN)と組み合わせた新しいGANモデルを提案する。
LE-GANは、生成したスペクトル空間の特徴を画像空間から潜在空間にマッピングし、生成したサンプルを正規化するための結合成分を生成する。
論文 参考訳(メタデータ) (2021-11-16T18:40:19Z) - Spectral Splitting and Aggregation Network for Hyperspectral Face
Super-Resolution [82.59267937569213]
高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。
本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。
限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
論文 参考訳(メタデータ) (2021-08-31T02:13:00Z) - 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。