論文の概要: Tensor Decompositions for Hyperspectral Data Processing in Remote Sensing: A Comprehensive Review

• arxiv url: http://arxiv.org/abs/2205.06407v1
• Date: Fri, 13 May 2022 00:39:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-16 13:06:19.258147
• Title: Tensor Decompositions for Hyperspectral Data Processing in Remote Sensing: A Comprehensive Review
• Title（参考訳）: リモートセンシングにおけるハイパースペクトルデータ処理のためのテンソル分解
• Authors: Minghua Wang, Danfeng Hong, Zhu Han, Jiaxin Li, Jing Yao, Lianru Gao, Bing Zhang, Jocelyn Chanussot
• Abstract要約: ハイパースペクトル(HS)リモートセンシング(RS)イメージングは、地球表面の観測と分析のためにかなりの量の空間的およびスペクトル的情報を提供している。 近年のHS RS技術の進歩と革命は、様々な応用の可能性を実現する機会を与えている。 3次元HS固有の構造が維持されているため、テンソル分解はHSデータ処理タスクにおける幅広い関心や研究を引き起こしている。
• 参考スコア（独自算出の注目度）: 85.36368666877412
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Owing to the rapid development of sensor technology, hyperspectral (HS) remote sensing (RS) imaging has provided a significant amount of spatial and spectral information for the observation and analysis of the Earth's surface at a distance of data acquisition devices, such as aircraft, spacecraft, and satellite. The recent advancement and even revolution of the HS RS technique offer opportunities to realize the full potential of various applications, while confronting new challenges for efficiently processing and analyzing the enormous HS acquisition data. Due to the maintenance of the 3-D HS inherent structure, tensor decomposition has aroused widespread concern and research in HS data processing tasks over the past decades. In this article, we aim at presenting a comprehensive overview of tensor decomposition, specifically contextualizing the five broad topics in HS data processing, and they are HS restoration, compressed sensing, anomaly detection, super-resolution, and spectral unmixing. For each topic, we elaborate on the remarkable achievements of tensor decomposition models for HS RS with a pivotal description of the existing methodologies and a representative exhibition on the experimental results. As a result, the remaining challenges of the follow-up research directions are outlined and discussed from the perspective of the real HS RS practices and tensor decomposition merged with advanced priors and even with deep neural networks. This article summarizes different tensor decomposition-based HS data processing methods and categorizes them into different classes from simple adoptions to complex combinations with other priors for the algorithm beginners. We also expect this survey can provide new investigations and development trends for the experienced researchers who understand tensor decomposition and HS RS to some extent.
• Abstract（参考訳）: センサー技術の急速な発展により、ハイパースペクトル(HS)リモートセンシング(RS)イメージングは、航空機、宇宙船、衛星などのデータ取得装置の距離における地球表面の観測と分析のために、かなりの量の空間的およびスペクトル的情報を提供してきた。 近年のHS RS技術の進歩と革命は、HS RSの巨大な取得データを効率的に処理し分析する新たな課題に直面しつつ、様々なアプリケーションの潜在能力を実現する機会を提供する。 3次元HS固有の構造が維持されているため、テンソルの分解は過去数十年にわたってHSデータ処理タスクの幅広い関心や研究を引き起こしている。 本稿では, HSデータ処理における5つの幅広いトピックのコンテキスト化, HS復元, 圧縮センシング, 異常検出, 超解像, スペクトルアンミックスについて, テンソル分解の包括的概要を述べることを目的とする。 それぞれの話題について, hs rs のテンソル分解モデルの顕著な成果について, 既存手法の重要な記述と実験結果に関する代表的展示について詳述する。 その結果、HS RSの実践とテンソルの分解を先進的な先進や深層ニューラルネットワークと組み合わせることで、フォローアップ研究の方向性の残りの課題を概説し、議論する。 本稿では, 異なるテンソル分解に基づくHSデータ処理手法を要約し, 簡単な適用から, アルゴリズム初心者の他の先例との複雑な組み合わせまで, 異なるクラスに分類する。 また、この調査は、テンソル分解とHS RSをある程度理解した経験豊富な研究者に対して、新たな調査と開発動向を提供することができると期待している。

関連論文リスト

• Test-time Training for Hyperspectral Image Super-resolution [95.38382633281398]
  ハイパースペクトル画像(HSI)超解像(SR)は、まだRGB画像SRの研究に遅れを取っている。 本研究では,この問題に対処するための新しいテストタイムトレーニング手法を提案する。 具体的には、より正確な擬似ラベルとより正確なLR-HR関係を生成する新しい自己学習フレームワークを開発する。
  論文  参考訳（メタデータ） (2024-09-13T09:30:19Z)
• DMSSN: Distilled Mixed Spectral-Spatial Network for Hyperspectral Salient Object Detection [12.823338405434244]
  HSOD(Hyperspectral Salient Object Detection)は,様々な用途において有望である。 特徴抽出過程における高スペクトル画像の特徴的特性(HSI)は,従来は不十分であった。 我々は、MSST(Distilled Spectral-Spatial Transformer)を含むDMSSN(Distilled Mixed Spectral-Spatial Network)を提案する。 この分野でのデータ不足の問題に対処するため、大規模なHSODデータセットHSOD-BITを作成しました。
  論文  参考訳（メタデータ） (2024-03-31T14:04:57Z)
• Hyperspectral Images Classification and Dimensionality Reduction using spectral interaction and SVM classifier [0.0]
  ハイパースペクトル画像(HSI)の高次元性は、収集したデータを分析する上で大きな課題の1つである。 ノイズ、冗長、無関係なバンドの存在は、計算複雑性を増大させる。 本稿では,スペクトル相互作用尺度に基づく新しいフィルタ手法と,次元減少のための支持ベクトルマシンを提案する。
  論文  参考訳（メタデータ） (2022-10-27T15:37:57Z)
• Deep Learning in Multimodal Remote Sensing Data Fusion: A Comprehensive Review [33.40031994803646]
  本調査は,DLに基づくマルチモーダルRSデータ融合の体系的概要を示すことを目的としている。 マルチモーダルRSデータ融合におけるサブフィールドについて,to-be-fusedデータモダリティの観点から検討する。 残る課題と今後の方向性が強調される。
  論文  参考訳（メタデータ） (2022-05-03T09:08:16Z)
• Interpretable Hyperspectral AI: When Non-Convex Modeling meets Hyperspectral Remote Sensing [57.52865154829273]
  ハイパースペクトルイメージング、別名画像分光法は、地球科学リモートセンシング(RS)におけるランドマーク技術です。 過去10年間で、主に熟練した専門家によってこれらのハイパースペクトル(HS)製品を分析するための取り組みが行われています。 このため、さまざまなHS RSアプリケーションのためのよりインテリジェントで自動的なアプローチを開発することが急務です。
  論文  参考訳（メタデータ） (2021-03-02T03:32:10Z)
• Hyperspectral Image Super-Resolution with Spectral Mixup and Heterogeneous Datasets [99.92564298432387]
  ハイパースペクトル画像(HSI)超解像(SR)の研究 HSI SRは高次元データと限られたトレーニング例によって特徴づけられる。 これにより、非分布サンプルに対する記憶や感度などのニューラルネットワークの望ましくない動作が悪化する。
  論文  参考訳（メタデータ） (2021-01-19T12:19:53Z)
• 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。