論文の概要: Low-Light Hyperspectral Image Enhancement
- arxiv url: http://arxiv.org/abs/2208.03042v1
- Date: Fri, 5 Aug 2022 08:45:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-08 13:05:01.283978
- Title: Low-Light Hyperspectral Image Enhancement
- Title(参考訳): 低光ハイパースペクトル画像強調
- Authors: Xuelong Li, Guanlin Li, Bin Zhao
- Abstract要約: 本研究は,暗黒領域に隠された空間スペクトル情報を明らかにすることを目的とした,低照度HSI強調タスクに焦点を当てた。
ラプラシアのピラミッドの分解と再構成に基づいて, エンド・ツー・エンドのデータ駆動型低照度HSIエンハンスメント(HSIE)手法を開発した。
定量的評価と視覚効果の両面でのHSIEの有効性と効果を実証した。
- 参考スコア(独自算出の注目度): 90.84144276935464
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Due to inadequate energy captured by the hyperspectral camera sensor in poor
illumination conditions, low-light hyperspectral images (HSIs) usually suffer
from low visibility, spectral distortion, and various noises. A range of HSI
restoration methods have been developed, yet their effectiveness in enhancing
low-light HSIs is constrained. This work focuses on the low-light HSI
enhancement task, which aims to reveal the spatial-spectral information hidden
in darkened areas. To facilitate the development of low-light HSI processing,
we collect a low-light HSI (LHSI) dataset of both indoor and outdoor scenes.
Based on Laplacian pyramid decomposition and reconstruction, we developed an
end-to-end data-driven low-light HSI enhancement (HSIE) approach trained on the
LHSI dataset. With the observation that illumination is related to the
low-frequency component of HSI, while textural details are closely correlated
to the high-frequency component, the proposed HSIE is designed to have two
branches. The illumination enhancement branch is adopted to enlighten the
low-frequency component with reduced resolution. The high-frequency refinement
branch is utilized for refining the high-frequency component via a predicted
mask. In addition, to improve information flow and boost performance, we
introduce an effective channel attention block (CAB) with residual dense
connection, which served as the basic block of the illumination enhancement
branch. The effectiveness and efficiency of HSIE both in quantitative
assessment measures and visual effects are demonstrated by experimental results
on the LHSI dataset. According to the classification performance on the remote
sensing Indian Pines dataset, downstream tasks benefit from the enhanced HSI.
Datasets and codes are available:
\href{https://github.com/guanguanboy/HSIE}{https://github.com/guanguanboy/HSIE}.
- Abstract(参考訳): ハイパースペクトルカメラセンサが低照度で捉えたエネルギーが不十分なため、低照度ハイパースペクトル画像(HSI)は通常、低視認性、スペクトル歪み、様々なノイズに悩まされる。
様々なHSI修復法が開発されているが、低照度HSIの強化効果は制限されている。
本研究は,暗黒領域に隠された空間スペクトル情報を明らかにすることを目的とした低照度HSI強調タスクに焦点を当てた。
低照度HSI処理の開発を容易にするため,室内および屋外の両方の低照度HSI(LHSI)データセットを収集した。
ラプラシアのピラミッドの分解と再構成に基づいて,LHSIデータセットに基づいて学習したエンドツーエンドのデータ駆動型低照度HSIエンハンスメント(HSIE)アプローチを開発した。
HSIの低周波成分に照明が関係していること,高周波成分とテクスチュラル詳細が密接な関係にあることなどから,提案したHSIEは2つの分岐を持つように設計されている。
低周波成分を低分解能で啓蒙するために照明増強分岐を用いる。
高周波精製分岐を用いて、予測マスクを介して高周波成分を精製する。
さらに,情報フローの改善と性能向上のために,照明強調部の基本ブロックとして機能する高密度接続を有する効果的なチャネルアテンションブロック(CAB)を導入する。
定量的評価と視覚効果の両面でのHSIEの有効性と有効性は,LHSIデータセットを用いて実験的に検証した。
リモートセンシングのIndian Pinesデータセットの分類パフォーマンスによると、下流タスクは強化されたHSIの恩恵を受ける。
href{https://github.com/guanguanboy/hsie}{https://github.com/guanguanboy/hsie} データセットとコードは利用可能である。
関連論文リスト
- HIR-Diff: Unsupervised Hyperspectral Image Restoration Via Improved
Diffusion Models [38.74983301496911]
ハイパースペクトル画像(HSI)の復元は、劣化した観察からクリーンなイメージを復元することを目的としている。
既存のモデルに基づく手法は、複雑な画像の特徴を正確にモデル化するのに限界がある。
本稿では,事前学習拡散モデル(HIR-Diff)を用いた教師なしHSI復元フレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-24T17:15:05Z) - HIDFlowNet: A Flow-Based Deep Network for Hyperspectral Image Denoising [44.13660701641694]
ノイズの多いHSIを複数のクリーンなHSIから分解できるため、ハイパスペクトル画像(HSI)の劣化は本質的には不良である。
本稿では, 清浄なHSIの条件分布を学習するためのフローベースHSI Denoising Network (HIDFlowNet)を提案する。
論文 参考訳(メタデータ) (2023-06-20T08:20:28Z) - Spectral Enhanced Rectangle Transformer for Hyperspectral Image
Denoising [64.11157141177208]
ハイパースペクトル画像の空間的およびスペクトル的相関をモデル化するスペクトル拡張矩形変換器を提案する。
前者に対しては、長方形自己アテンションを水平および垂直に利用し、空間領域における非局所的類似性を捉える。
後者のために,空間スペクトル立方体の大域的低ランク特性を抽出し,雑音を抑制するスペクトル拡張モジュールを設計する。
論文 参考訳(メタデータ) (2023-04-03T09:42:13Z) - Seeing Through The Noisy Dark: Toward Real-world Low-Light Image
Enhancement and Denoising [125.56062454927755]
現実の低照度環境は通常、光やハードウェアの限界が不足しているため、視界が低く、騒音が重い。
我々は、RLED-Net(Real-world Low-light Enhancement & Denoising Network)と呼ばれる新しい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) (2022-10-02T14:57:23Z) - Cycle-Interactive Generative Adversarial Network for Robust Unsupervised
Low-Light Enhancement [109.335317310485]
CIGAN(Cycle-Interactive Generative Adversarial Network)は、低照度画像間の照明分布の転送を改善できるだけでなく、詳細な信号も操作できる。
特に、提案した低照度誘導変換は、低照度GAN生成器から劣化GAN生成器へ、低照度画像の特徴をフォワードする。
論文 参考訳(メタデータ) (2022-07-03T06:37:46Z) - 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) - Lightness Modulated Deep Inverse Tone Mapping [18.31269649436267]
シングルイメージHDR再構成や逆トーンマッピング(iTM)は難しい課題である。
深層畳み込みニューラルネットワーク(CNN)の特徴抽出とマッピング能力を利用した深層学習に基づくiTM法を提案する。
本手法の有効性を示す実験結果について述べる。
論文 参考訳(メタデータ) (2021-07-16T13:56:20Z) - SSCAN: A Spatial-spectral Cross Attention Network for Hyperspectral
Image Denoising [12.873607414761093]
本稿では,グループ畳み込みとアテンションモジュールを組み合わせた新しいHSIデノベーションネットワークSSCANを提案する。
ハイパースペクトル画像における空間情報とスペクトル情報を有効利用するためのスペクトル空間アテンションブロック(SSAB)を提案する。
実験結果から,提案したSSCANは,最先端のHSI復調アルゴリズムよりも優れていたことが示唆された。
論文 参考訳(メタデータ) (2021-05-23T14:36:17Z) - Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image
Restoration [66.68541690283068]
ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。
提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。
HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
論文 参考訳(メタデータ) (2020-10-24T15:53:56Z)
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。