論文の概要: Study of the gOMP Algorithm for Recovery of Compressed Sensed Hyperspectral Images

• arxiv url: http://arxiv.org/abs/2401.14786v1
• Date: Fri, 26 Jan 2024 11:20:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-29 15:12:22.767835
• Title: Study of the gOMP Algorithm for Recovery of Compressed Sensed Hyperspectral Images
• Title（参考訳）: 圧縮型ハイパースペクトル画像の復元のためのgOMPアルゴリズムの検討
• Authors: Jon Alvarez Justo, Milica Orlandic
• Abstract要約: 本研究は,圧縮前のデータスペーシフィケーション前処理段階について検討し,画素のスペーシビリティを保証する。 画像画素は厳密にはスパースではないため、圧縮前のデータスペース化前処理段階を研究し、画素のスペース性を保証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral Imaging (HSI) is used in a wide range of applications such as remote sensing, yet the transmission of the HS images by communication data links becomes challenging due to the large number of spectral bands that the HS images contain together with the limited data bandwidth available in real applications. Compressive Sensing reduces the images by randomly subsampling the spectral bands of each spatial pixel and then it performs the image reconstruction of all the bands using recovery algorithms which impose sparsity in a certain transform domain. Since the image pixels are not strictly sparse, this work studies a data sparsification pre-processing stage prior to compression to ensure the sparsity of the pixels. The sparsified images are compressed $2.5\times$ and then recovered using the Generalized Orthogonal Matching Pursuit algorithm (gOMP) characterized by high accuracy, low computational requirements and fast convergence. The experiments are performed in five conventional hyperspectral images where the effect of different sparsification levels in the quality of the uncompressed as well as the recovered images is studied. It is concluded that the gOMP algorithm reconstructs the hyperspectral images with higher accuracy as well as faster convergence when the pixels are highly sparsified and hence at the expense of reducing the quality of the recovered images with respect to the original images.
• Abstract（参考訳）: ハイパースペクトルイメージング(hsi)はリモートセンシングなどの幅広いアプリケーションで使用されているが、通信データリンクによるhs画像の伝送は、hs画像に含まれている多数のスペクトル帯域と実際のアプリケーションで利用可能な限られたデータ帯域によって困難になる。 圧縮センシングは、各空間画素のスペクトル帯域をランダムにサンプリングして画像を減少させ、ある変換領域にスパーシティを課すリカバリアルゴリズムを用いて、すべての帯域を画像再構成する。 画像画素は厳密にスパースしないので、圧縮前のデータのスパース化前処理段階を研究し、画素のスパース性を保証する。 スパース化画像は2.5\times$で圧縮され、高い精度、低い計算要件、高速な収束性で特徴付けられる一般化直交マッチング追跡アルゴリズム(gomp)を用いて復元される。 未圧縮画像および回収画像の品質に異なるスパーシフィケーションレベルが与える影響について検討した5種類の従来の超スペクトル画像を用いて実験を行った。 gompアルゴリズムは、画素が高度にスパース化され、元の画像に対して復元された画像の品質が低下するときに、高い精度とより高速な収束率でハイパースペクトル画像を再構成する。

関連論文リスト

• HyperColorization: Propagating spatially sparse noisy spectral clues for reconstructing hyperspectral images [2.7214317850962106]
  グレースケールガイド画像から高スペクトル像を再構成し,空間的に粗いスペクトル手がかりを抽出するカラー化を提案する。 提案アルゴリズムは,高スペクトル画像の様々なスペクトル次元に一般化し,低ランク空間における色付けが計算時間とショットノイズの影響を低減させることを示す。
  論文  参考訳（メタデータ） (2024-03-18T16:33:43Z)
• A Comparative Study of Compressive Sensing Algorithms for Hyperspectral Imaging Reconstruction [2.485120307677001]
  この研究は、2.5倍圧縮されたハイパースペクトル画像の回復に対処する。 gOMPアルゴリズムは,他のアルゴリズムと比較して精度が高く,高速に回復できる。
  論文  参考訳（メタデータ） (2024-01-26T10:38:39Z)
• Hyperspectral Image Compression Using Sampling and Implicit Neural Representations [2.3931689873603603]
  ハイパースペクトル画像は、シーンの画像中の画素の電磁スペクトルを記録する。 これらの画像の撮影コストが低下する中で、ハイパースペクトル画像の保存、送信、解析のための効率的な技術を開発する必要がある。 本稿では,暗黙的ニューラル表現を用いたハイパースペクトル画像圧縮法を提案する。
  論文  参考訳（メタデータ） (2023-12-04T01:10:04Z)
• Restoration of the JPEG Maximum Lossy Compressed Face Images with Hourglass Block based on Early Stopping Discriminator [0.0]
  本稿では,GAN-based net-work法による最大圧縮により大きな損失を被ったJPEG画像の復元について述べる。 このネットワークは、自然と高性能の画像を生成するために、LFロスとHFロスという2つの損失関数を組み込んでいる。 その結果,圧縮画像のブロックフェノメノンが除去され,識別可能なアイデンティティが生成されることがわかった。
  論文  参考訳（メタデータ） (2023-06-22T09:21:48Z)
• Gated Multi-Resolution Transfer Network for Burst Restoration and Enhancement [75.25451566988565]
  低画質の原画像のバーストから空間的精度の高い高画質画像を再構成する新しいGated Multi-Resolution Transfer Network (GMTNet)を提案する。 5つのデータセットに関する詳細な実験分析は、我々のアプローチを検証し、バースト超解像、バーストデノイング、低照度バーストエンハンスメントのための最先端技術を設定する。
  論文  参考訳（メタデータ） (2023-04-13T17:54:00Z)
• Analysis of the Effect of Low-Overhead Lossy Image Compression on the Performance of Visual Crowd Counting for Smart City Applications [78.55896581882595]
  画像圧縮技術は画像の品質を低下させ、精度を低下させる。 本稿では,低オーバヘッド損失画像圧縮法の適用が視覚的群集カウントの精度に与える影響を解析する。
  論文  参考訳（メタデータ） (2022-07-20T19:20:03Z)
• Compressed Smooth Sparse Decomposition [3.8644240125444]
  本稿では,画像中のスパース異常検出の理論的性能を保証する高速かつデータ効率の手法を提案する。 提案手法は,圧縮画像取得と分解に基づく画像処理技術を統合する一段階法として,圧縮平滑スパース分解法 (CSSD) と命名された。 従来のスムーズかつスパースな分解アルゴリズムと比較して、伝送コストの大幅な削減と計算速度の向上は無視できる性能損失で達成できる。
  論文  参考訳（メタデータ） (2022-01-19T03:50:41Z)
• Implicit Neural Representations for Image Compression [103.78615661013623]
  Inlicit Neural Representations (INRs) は、様々なデータ型の新規かつ効果的な表現として注目されている。 量子化、量子化を考慮した再学習、エントロピー符号化を含むINRに基づく最初の包括的圧縮パイプラインを提案する。 我々は、INRによるソース圧縮に対する我々のアプローチが、同様の以前の作業よりも大幅に優れていることに気付きました。
  論文  参考訳（メタデータ） (2021-12-08T13:02:53Z)
• Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
  空間情報とスペクトル情報の相互モダリティ分布が問題となる。 本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。 本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
  論文  参考訳（メタデータ） (2020-06-18T06:32:11Z)
• 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)
• Discernible Image Compression [124.08063151879173]
  本稿では、外観と知覚の整合性の両方を追求し、圧縮画像を作成することを目的とする。 エンコーダ・デコーダ・フレームワークに基づいて,事前学習したCNNを用いて,オリジナル画像と圧縮画像の特徴を抽出する。 ベンチマーク実験により,提案手法を用いて圧縮した画像は,その後の視覚認識・検出モデルでもよく認識できることが示された。
  論文  参考訳（メタデータ） (2020-02-17T07:35:08Z)

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。