論文の概要: Robust Hyperspectral Image Fusion with Simultaneous Guide Image Denoising via Constrained Convex Optimization

• arxiv url: http://arxiv.org/abs/2209.11979v1
• Date: Sat, 24 Sep 2022 10:58:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 17:26:12.267416
• Title: Robust Hyperspectral Image Fusion with Simultaneous Guide Image Denoising via Constrained Convex Optimization
• Title（参考訳）: 制約付き凸最適化による同時ガイド画像分割によるロバストハイパースペクトル画像融合
• Authors: Saori Takeyama and Shunsuke Ono
• Abstract要約: 凸最適化に基づく高分解能ハイパースペクトル(HR-HS)画像推定法を提案する。 本手法はHR-HS画像とノイズレスガイド画像とを同時に推定するので,重騒音で汚染された場合でもガイド画像内の空間情報を利用することができる。
• 参考スコア（独自算出の注目度）: 24.427003333714847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The paper proposes a new high spatial resolution hyperspectral (HR-HS) image estimation method based on convex optimization. The method assumes a low spatial resolution HS (LR-HS) image and a guide image as observations, where both observations are contaminated by noise. Our method simultaneously estimates an HR-HS image and a noiseless guide image, so the method can utilize spatial information in a guide image even if it is contaminated by heavy noise. The proposed estimation problem adopts hybrid spatio-spectral total variation as regularization and evaluates the edge similarity between HR-HS and guide images to effectively use apriori knowledge on an HR-HS image and spatial detail information in a guide image. To efficiently solve the problem, we apply a primal-dual splitting method. Experiments demonstrate the performance of our method and the advantage over several existing methods.
• Abstract（参考訳）: 本稿では,凸最適化に基づく高分解能ハイパースペクトル(HR-HS)画像推定法を提案する。 この方法では、低空間分解能HS(LR-HS)画像とガイド画像が観測対象となり、両方の観測がノイズによって汚染される。 本手法はHR-HS画像とノイズレスガイド画像とを同時に推定するので,重騒音で汚染された場合でもガイド画像内の空間情報を利用することができる。 提案課題は, HR-HSとガイド画像のエッジ類似性を評価し, HR-HS画像におけるアプリオリ知識とガイド画像における空間的詳細情報を効果的に活用する。 この問題を効果的に解決するために,予備二分割法を適用した。 実験により,本手法の性能と既存手法の利点を実証した。

関連論文リスト

• Mitigating Data Consistency Induced Discrepancy in Cascaded Diffusion Models for Sparse-view CT Reconstruction [4.227116189483428]
  本研究は, 離散性緩和フレームワークを用いた新規なカスケード拡散について紹介する。 潜在空間の低画質画像生成と画素空間の高画質画像生成を含む。 これは、いくつかの推論ステップをピクセル空間から潜在空間に移すことによって計算コストを最小化する。
  論文  参考訳（メタデータ） (2024-03-14T12:58:28Z)
• PolMERLIN: Self-Supervised Polarimetric Complex SAR Image Despeckling with Masked Networks [2.580765958706854]
  脱スペックリングは合成開口レーダ(SAR)画像の品質向上に重要なノイズ低減タスクである。 既存の方法は単一偏光画像のみを扱うため、現代の衛星が捉えた多重偏光画像は扱えない。 本稿では,分極関係を利用したチャネルマスキング手法を提案する。
  論文  参考訳（メタデータ） (2024-01-15T07:06:36Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Hyperspectral and Multispectral Image Fusion Using the Conditional Denoising Diffusion Probabilistic Model [18.915369996829984]
  DDPM-Fus と呼ばれる条件付きデノナイジング拡散確率モデルに基づく深部融合法を提案する。 1つの屋内および2つのリモートセンシングデータセットで行った実験は、他の高度な深層学習に基づく融合法と比較して、提案モデルが優れていることを示す。
  論文  参考訳（メタデータ） (2023-07-07T07:08:52Z)
• Learning from Multi-Perception Features for Real-Word Image Super-resolution [87.71135803794519]
  入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。 本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。 また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
  論文  参考訳（メタデータ） (2023-05-26T07:35:49Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Deep Posterior Distribution-based Embedding for Hyperspectral Image Super-resolution [75.24345439401166]
  本稿では,高スペクトル画像の高次元空間スペクトル情報を効率的に効率的に埋め込む方法について述べる。 我々は,HS埋め込みを,慎重に定義されたHS埋め込みイベントの集合の後方分布の近似として定式化する。 そして,提案手法を物理的に解釈可能なソース一貫性超解像フレームワークに組み込む。 3つの一般的なベンチマークデータセットに対する実験により、PDE-Netは最先端の手法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-05-30T06:59:01Z)
• 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)
• Robust Face Alignment by Multi-order High-precision Hourglass Network [44.94500006611075]
  本稿では,熱マップサブピクセル回帰 (HSR) 法と多階クロスジオメトリ・アウェア (MCG) モデルを提案する。 HSR法は、よく設計されたサブピクセル検出損失(SDL)とサブピクセル検出技術(SDT)により、高精度なランドマーク検出を実現するために提案されている。 同時に、MCGモデルは、提案した多階交差情報を用いて、顔の幾何学的制約と文脈情報を強化するためのより識別的な表現を学習することができる。
  論文  参考訳（メタデータ） (2020-10-17T05:40:30Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)
• PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models [77.32079593577821]
  PULSE (Photo Upsampling via Latent Space Exploration) は、それまで文献になかった解像度で高解像度でリアルな画像を生成する。 本手法は, 従来よりも高分解能, スケールファクターの知覚品質において, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-08T16:44:31Z)

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。