論文の概要: Deep unfolding Network for Hyperspectral Image Super-Resolution with Automatic Exposure Correction
- arxiv url: http://arxiv.org/abs/2403.09096v1
- Date: Thu, 14 Mar 2024 04:41:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-15 21:47:12.310387
- Title: Deep unfolding Network for Hyperspectral Image Super-Resolution with Automatic Exposure Correction
- Title(参考訳): 自動露光補正によるハイパースペクトル画像超解像のための深部展開網
- Authors: Yuan Fang, Yipeng Liu, Jie Chen, Zhen Long, Ao Li, Chong-Yung Chi, Ce Zhu,
- Abstract要約: 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)の融合は、HSI超解像(HSI-SR)の有効な方法として認識されている。
MSIとHSIのそれぞれの低照度化(LLIE)に基づくほとんどの既存手法とは対照的に,UHSR-AEC(Automatic Exposure Correction)を用いた深部展開HSIスーパーリゾリューションが提案されている。
- 参考スコア(独自算出の注目度): 38.807302724277754
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, the fusion of high spatial resolution multispectral image (HR-MSI) and low spatial resolution hyperspectral image (LR-HSI) has been recognized as an effective method for HSI super-resolution (HSI-SR). However, both HSI and MSI may be acquired under extreme conditions such as night or poorly illuminating scenarios, which may cause different exposure levels, thereby seriously downgrading the yielded HSISR. In contrast to most existing methods based on respective low-light enhancements (LLIE) of MSI and HSI followed by their fusion, a deep Unfolding HSI Super-Resolution with Automatic Exposure Correction (UHSR-AEC) is proposed, that can effectively generate a high-quality fused HSI-SR (in texture and features) even under very imbalanced exposures, thanks to the correlation between LLIE and HSI-SR taken into account. Extensive experiments are provided to demonstrate the state-of-the-art overall performance of the proposed UHSR-AEC, including comparison with some benchmark peer methods.
- Abstract(参考訳): 近年,高分解能マルチスペクトル像(HR-MSI)と低分解能ハイパースペクトル像(LR-HSI)の融合が,HSI超解像(HSI-SR)の有効な方法として認識されている。
しかし、HSIとMSIの両方は、夜間や照明の不十分なシナリオのような極端な条件下で取得され、露光レベルが異なる可能性があるため、得られたHSISRを著しく低下させる可能性がある。
MSIとHSIのそれぞれの低照度強化(LLIE)を併用したほとんどの既存手法とは対照的に,LLIEとHSI-SRの相関が考慮されているため,高画質なHSI-SR(テクスチャと特徴)を効果的に生成できる深部展開型HSIスーパーリゾリューション(UHSR-AEC)が提案されている。
提案したUHSR-AECの全体的な性能を示すために、いくつかのベンチマークピア法との比較を含む大規模な実験が提供されている。
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) - 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) - HSR-Diff:Hyperspectral Image Super-Resolution via Conditional Diffusion
Models [10.865272587124027]
条件付き拡散モデル(HSR-Diff)を用いたHSI超解像(SR)手法を提案する。
HSR-Diffは、HR-HSIが純粋なガウス雑音で空間的であり、反復的に洗練されるような繰り返し精製によりHR-HSIを生成する。
さらに、フル解像度画像のグローバル情報を活用するために、プログレッシブラーニング戦略が採用されている。
論文 参考訳(メタデータ) (2023-06-21T08:04:30Z) - 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) - HDNet: High-resolution Dual-domain Learning for Spectral Compressive
Imaging [138.04956118993934]
HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。
一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。
一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
論文 参考訳(メタデータ) (2022-03-04T06:37:45Z) - A Latent Encoder Coupled Generative Adversarial Network (LE-GAN) for
Efficient Hyperspectral Image Super-resolution [3.1023808510465627]
GAN(Generative Adversarial Network)は画像超解像のための効果的なディープラーニングフレームワークであることが証明されている。
モード崩壊の問題を緩和するため,本研究では,潜在エンコーダ(LE-GAN)と組み合わせた新しいGANモデルを提案する。
LE-GANは、生成したスペクトル空間の特徴を画像空間から潜在空間にマッピングし、生成したサンプルを正規化するための結合成分を生成する。
論文 参考訳(メタデータ) (2021-11-16T18:40:19Z) - Hyperspectral Pansharpening Based on Improved Deep Image Prior and
Residual Reconstruction [64.10636296274168]
高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能高分解能化
近年,深層畳み込みネットワーク(ConvNets)を用いたHSパンシャープ法が注目に値する結果を得た。
深層層の増加を抑えることで高レベルの特徴を学習することに焦点を当てた,新しいオーバーコンプリートネットワークHyperKiteを提案する。
論文 参考訳(メタデータ) (2021-07-06T14:11:03Z) - Unsupervised Alternating Optimization for Blind Hyperspectral Imagery
Super-resolution [40.350308926790255]
本稿では, 盲点HSI融合問題に対処するために, 盲点HSI SR法を提案する。
本稿ではまず,デジェネレーションモデルを推定し,遅延画像の再構成を行うために,逐次最適化に基づく深層フレームワークを提案する。
そして,ネットワークを事前学習するメタラーニングに基づく機構が提案され,ネットワークの速度と一般化能力を効果的に向上させることができる。
論文 参考訳(メタデータ) (2020-12-03T07:52:32Z) - Recent Advances and New Guidelines on Hyperspectral and Multispectral
Image Fusion [21.19813166135363]
スペクトル分解能の高いハイパースペクトル画像(HSI)は、画像センサの限界のため、しばしば空間分解能の低さに悩まされる。
画像融合は、HSIの空間分解能を高めるための効果的で経済的方法である。
この研究は、HSI-MSI融合に関する包括的なレビューと新しいガイドラインを提供する。
論文 参考訳(メタデータ) (2020-08-08T03:05:46Z)
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。