論文の概要: D$^\text{2}$UF: Deep Coded Aperture Design and Unrolling Algorithm for
Compressive Spectral Image Fusion
- arxiv url: http://arxiv.org/abs/2205.12158v1
- Date: Tue, 24 May 2022 15:39:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-25 15:48:23.165220
- Title: D$^\text{2}$UF: Deep Coded Aperture Design and Unrolling Algorithm for
Compressive Spectral Image Fusion
- Title（参考訳）: d$^\text{2}$uf:圧縮スペクトル画像融合のための深い符号化開口設計と展開アルゴリズム
- Authors: Roman Jacome, Jorge Bacca and Henry Arguello
- Abstract要約: 本稿では,低空間分解能符号化開口スペクトル撮像器 (CASSI) アーキテクチャと高空間分解能マルチスペクトルカラーフィルタアレイ (MCFA) システムの圧縮測定の融合について述べる。
本稿では,従来のCSIFと異なり,エンド・ツー・エンド(E2E)方式でセンサアーキテクチャと再構成ネットワークを協調的に最適化する手法を提案する。
- 参考スコア（独自算出の注目度）: 22.0246327137227
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Compressive spectral imaging (CSI) has attracted significant attention since
it employs synthetic apertures to codify spatial and spectral information,
sensing only 2D projections of the 3D spectral image. However, these optical
architectures suffer from a trade-off between the spatial and spectral
resolution of the reconstructed image due to technology limitations. To
overcome this issue, compressive spectral image fusion (CSIF) employs the
projected measurements of two CSI architectures with different resolutions to
estimate a high-spatial high-spectral resolution. This work presents the fusion
of the compressive measurements of a low-spatial high-spectral resolution coded
aperture snapshot spectral imager (CASSI) architecture and a high-spatial
low-spectral resolution multispectral color filter array (MCFA) system. Unlike
previous CSIF works, this paper proposes joint optimization of the sensing
architectures and a reconstruction network in an end-to-end (E2E) manner. The
trainable optical parameters are the coded aperture (CA) in the CASSI and the
colored coded aperture in the MCFA system, employing a sigmoid activation
function and regularization function to encourage binary values on the
trainable variables for an implementation purpose. Additionally, an
unrolling-based network inspired by the alternating direction method of
multipliers (ADMM) optimization is formulated to address the reconstruction
step and the acquisition systems design jointly. Finally, a spatial-spectral
inspired loss function is employed at the end of each unrolling layer to
increase the convergence of the unrolling network. The proposed method
outperforms previous CSIF methods, and experimental results validate the method
with real measurements.
- Abstract（参考訳）: 圧縮スペクトルイメージング(csi)は、3次元スペクトル画像の2次元投影のみを検知し、空間的およびスペクトル情報を体系化するために合成開口を用いるため、注目を集めている。
しかし、これらの光学アーキテクチャは、技術的制限により再構成された画像の空間分解能とスペクトル分解能のトレードオフに悩まされる。
この問題を解決するために、圧縮スペクトル画像融合(CSIF)は2つのCSIアーキテクチャを異なる解像度で予測し、高空間高スペクトル分解能を推定する。
本研究では,cassi(low-spatial high-spectral resolution coded aperture snapshot spectral imager)アーキテクチャと高spatial low-spectral resolution multispectral color filter array(mcfa)システムの圧縮測定の融合について述べる。
本稿では,従来のCSIFと異なり,エンド・ツー・エンド(E2E)方式でセンサアーキテクチャと再構成ネットワークの協調最適化を提案する。
トレーニング可能な光学パラメータは、CASSIの符号化開口(CA)とMCFAシステムのカラー符号化開口であり、シグモノイド活性化関数と正規化関数を用いて、実装目的のためにトレーニング可能な変数のバイナリ値を促進する。
さらに、乗算器最適化の交互方向法(ADMM)にインスパイアされたアンローリング型ネットワークを定式化し、再構成ステップと取得システムの設計を共同で行う。
最後に、各アンローリング層の端部に空間スペクトル誘発損失関数を用い、アンローリングネットワークの収束性を高める。
提案手法は従来のCSIF法よりも優れており,実測値を用いて実験結果が検証された。
関連論文リスト
- 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) - 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) - Aperture Diffraction for Compact Snapshot Spectral Imaging [27.321750056840706]
我々は、Aperture Diffraction Imaging Spectrometer (ADIS) という、コンパクトで費用効率の良いスナップショット分光画像システムを紹介した。
モザイクフィルタセンサ上の離散符号化位置にオブジェクト空間の各点を多重化する新しい光学設計を導入する。
回折変性を強く知覚するカスケードシフトシャッフルスペクトル変換器(CSST)は、空間制約の逆問題を解決するために設計されている。
論文 参考訳（メタデータ） (2023-09-27T16:48:46Z) - 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) - Residual Degradation Learning Unfolding Framework with Mixing Priors
across Spectral and Spatial for Compressive Spectral Imaging [29.135848304404533]
符号化開口スナップショット分光画像(CASSI)が提案されている。
CASSIシステムの中核的な問題は、信頼性と微妙な基礎となる3次元スペクトル立方体を2次元測定から回収することである。
本稿では,センサマトリックスと劣化過程のギャップを埋めるResidual Degradation Learning Unfolding Framework (RDLUF)を提案する。
論文 参考訳（メタデータ） (2022-11-13T12:31:49Z) - S^2-Transformer for Mask-Aware Hyperspectral Image Reconstruction [48.83280067393851]
代表的ハイパースペクトル画像取得手順は、符号化開口分光画像センサ(CASSI)による3D-to-2D符号化を行う
i) 2次元計測を得るために、CASSIは分散器タイトリングにより複数のチャネルを分散させ、それらを同じ空間領域に絞り込み、絡み合ったデータ損失をもたらす。
本稿では,これらの課題に対処するためのマスク対応学習戦略を備えた空間スペクトル(S2-)トランスフォーマーアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-09-24T19:26:46Z) - PC-GANs: Progressive Compensation Generative Adversarial Networks for
Pan-sharpening [50.943080184828524]
空間情報とスペクトル情報の漸進的補償によりMS画像のシャープ化を行うパンシャーピングの新しい2段階モデルを提案する。
モデル全体が三重GANで構成されており、特定のアーキテクチャに基づいて、三重GANを同時に訓練できるように、共同補償損失関数が設計されている。
論文 参考訳（メタデータ） (2022-07-29T03:09:21Z) - Deep Coding Patterns Design for Compressive Near-Infrared Spectral
Classification [80.93625278357229]
スペクトル分類は、測定に埋め込まれたスペクトル情報の量を考慮して、圧縮領域で直接行うことができる。
本研究では,CSIにおける符号化パターンとネットワークパラメータを協調的に設計し,組込み近赤外圧縮測定から直接スペクトル分類を行うエンド・ツー・エンド手法を提案する。
論文 参考訳（メタデータ） (2022-05-27T15:55:53Z) - LADMM-Net: An Unrolled Deep Network For Spectral Image Fusion From
Compressive Data [6.230751621285322]
ハイパースペクトル(HS)およびマルチスペクトル(MS)画像融合は、低空間分解能HS画像と低スペクトル分解能MS画像から高分解能スペクトル画像を推定することを目的とする。
本研究では,HSおよびMS圧縮測定による融合問題の解法として,アルゴリズムアンロール法に基づくディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-03-01T12:04:42Z) - Spectral Response Function Guided Deep Optimization-driven Network for
Spectral Super-resolution [20.014293172511074]
本稿では、より深い空間スペクトルを持つ最適化駆動畳み込みニューラルネットワーク(CNN)を提案する。
自然およびリモートセンシング画像を含む2種類のデータセットに対する実験により,提案手法のスペクトル強調効果が示された。
論文 参考訳（メタデータ） (2020-11-19T07:52:45Z)
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。