論文の概要: Hyperspectral Image Fusion via Logarithmic Low-rank Tensor Ring Decomposition

• arxiv url: http://arxiv.org/abs/2310.10044v1
• Date: Mon, 16 Oct 2023 04:02:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-17 16:37:48.908938
• Title: Hyperspectral Image Fusion via Logarithmic Low-rank Tensor Ring Decomposition
• Title（参考訳）: 対数低ランクテンソル環分解による超スペクトル画像融合
• Authors: Jun Zhang, Lipeng Zhu, Chao Wang, Shutao Li
• Abstract要約: TR因子の低ランク性をTNNの観点から検討し,各TR因子のモード2対数TNN(LTNN)を考慮する。 このLTNN正則化と重み付き全変動を取り入れた新しい融合モデルを提案する。
• 参考スコア（独自算出の注目度）: 26.76968345244154
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Integrating a low-spatial-resolution hyperspectral image (LR-HSI) with a high-spatial-resolution multispectral image (HR-MSI) is recognized as a valid method for acquiring HR-HSI. Among the current fusion approaches, the tensor ring (TR) decomposition-based method has received growing attention owing to its superior performance on preserving the spatial-spectral correlation. Furthermore, the low-rank property in some TR factors has been exploited via the matrix nuclear norm regularization along mode-2. On the other hand, the tensor nuclear norm (TNN)-based approaches have recently demonstrated to be more efficient on keeping high-dimensional low-rank structures in tensor recovery. Here, we study the low-rankness of TR factors from the TNN perspective and consider the mode-2 logarithmic TNN (LTNN) on each TR factor. A novel fusion model is proposed by incorporating this LTNN regularization and the weighted total variation which is to promote the continuity of HR-HSI in the spatial-spectral domain. Meanwhile, we have devised a highly efficient proximal alternating minimization algorithm to solve the proposed model. The experimental results indicate that our method improves the visual quality and exceeds the existing state-of-the-art fusion approaches with respect to various quantitative metrics.
• Abstract（参考訳）: 高分解能マルチスペクトル画像(HR-MSI)と低分解能ハイパースペクトル画像(LR-HSI)を統合することは、HR-HSIを取得する有効な方法として認識される。 現在の核融合法の中で, テンソルリング(TR)分解法は, 空間-スペクトル相関の保存性能に優れ, 注目されている。 さらに、いくつかのTR因子の低ランク特性は、モード2に沿ったマトリックス核ノルム正規化によって利用されてきた。 一方、テンソル核ノルム(TNN)に基づくアプローチは、テンソルリカバリにおける高次元低ランク構造を維持する上でより効率的であることが最近証明されている。 本稿では,TR因子の低ランク性をTNNの観点から検討し,各TR因子のモード2対数TNN(LTNN)について考察する。 空間スペクトル領域におけるHR-HSIの連続性を促進するため,このLTNN正則化と重み付き全変動を取り入れた新しい融合モデルを提案する。 一方,提案モデルを解くために,高効率な近位交互最小化アルゴリズムを考案した。 実験結果から,本手法は視覚的品質を向上し,様々な測定値に対する既存技術の融合手法を超えていることが示唆された。

関連論文リスト

• Hyperspectral and multispectral image fusion with arbitrary resolution through self-supervised representations [23.04458119996]
  本稿では,2つのニューラル表現を行列因子化に組み込むことにより,新しい連続低ランク因子化(CLoRF)を提案する。 提案手法は,行列分解による低ランク化と神経表現による連続性の両方を自己教師的手法で利用することができる。
  論文  参考訳（メタデータ） (2024-05-28T04:29:23Z)
• 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)
• Low-rank tensor completion via tensor joint rank with logarithmic composite norm [2.5191729605585005]
  対数合成ノルム法(TJLC)を用いたテンソルジョイントランク法を提案する。 提案手法は, 観測情報が1%以下であっても良好な回復を達成し, 観測情報の増加とともに回復性能が著しく向上する。
  論文  参考訳（メタデータ） (2023-09-28T07:17:44Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Multi-mode Tensor Train Factorization with Spatial-spectral Regularization for Remote Sensing Images Recovery [1.3272510644778104]
  マルチモードTT因子化と空間スペクトルの滑らか度正規化による新しい低MTTランクテンソル完備化モデルを提案する。 MTTD3R法は,視覚的,定量的に比較した手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-05T07:36:08Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• 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)
• Optimal Rates for Averaged Stochastic Gradient Descent under Neural Tangent Kernel Regime [50.510421854168065]
  平均勾配勾配勾配は極小収束率が得られることを示す。 本稿では、ReLUネットワークのNTKで指定されたターゲット関数を最適収束速度で学習できることを示す。
  論文  参考訳（メタデータ） (2020-06-22T14:31:37Z)
• Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
  本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。 MVSCに適合する新しい構造テンソル低ランクノルムを設計する。 提案手法は最先端の手法よりもかなり優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T11:52:12Z)
• Hyperspectral Super-Resolution via Coupled Tensor Ring Factorization [40.146997900687374]
  ハイパースペクトル超解像(HSR)は低分解能ハイパースペクトル像(HSI)と高分解能マルチスペクトル像(MSI)を融合して高分解能HSI(HR-HSI)を得る 本稿では,HSRのための新しいモデルである結合テンソルリング分解(CTRF)を提案する。 提案手法は,高分解能コアテンソルと高分解能コアテンソルをMSIから同時に学習し,HR-HSIをテンソルリング(TR)表現で再構成する。
  論文  参考訳（メタデータ） (2020-01-06T13:19:59Z)

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。