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

• HSIGene: A Foundation Model For Hyperspectral Image Generation [46.745198868466545]
  ハイパースペクトル画像(HSI)は農業や環境モニタリングなど様々な分野で重要な役割を果たしている。 高価な取得コストのため、ハイパースペクトル画像の数は制限され、下流タスクのパフォーマンスが低下する。 遅延拡散に基づく多条件制御をサポートする新しいHSI生成基盤モデルであるHSIGeneを提案する。 実験により,提案モデルでは,デノナイズや超解像といった下流タスクに対して,膨大な量の現実的なHSIを生成することができることが示された。
  論文  参考訳（メタデータ） (2024-09-19T05:17:44Z)
• UnmixingSR: Material-aware Network with Unsupervised Unmixing as Auxiliary Task for Hyperspectral Image Super-resolution [5.167168688234238]
  本論文では、UnmixingSRと呼ばれる、コンポーネント対応ハイパースペクトル画像(HIS)超解像ネットワークを提案する。 我々は、SR問題の解法における方法の安定性を高めるために、LR量とHR量との結合を用いる。 実験結果から,SR問題に組み込まれた補助的タスクとしてのアンミックスプロセスが実現可能で合理的であることが示唆された。
  論文  参考訳（メタデータ） (2024-07-09T03:41:02Z)
• A Hybrid Registration and Fusion Method for Hyperspectral Super-resolution [0.913509220304172]
  本稿ではRAF-NLRGSというハイブリッド登録・融合モデルを提案する。 RAFモデルは、残余データグループに埋め込まれた貴重な情報を活用するために、制約付きグループ空間を組み込む。 一般化ガウスニュートン(GGN)アルゴリズムと近似交互最適化(PAO)の枠組みも提示する。
  論文  参考訳（メタデータ） (2024-07-07T06:36:19Z)
• Exploiting Self-Supervised Constraints in Image Super-Resolution [72.35265021054471]
  本稿では,SSC-SRと呼ばれる単一画像超解像のための新しい自己監督制約を提案する。 SSC-SRは、安定性を高めるために指数移動平均によって更新された二重非対称パラダイムとターゲットモデルを用いることで、画像の複雑さのばらつきに一意に対処する。 SSC-SRフレームワークはさまざまなベンチマークデータセットに対して,EDSR平均0.1dB,SwinIR平均0.06dBの大幅な拡張を実現している。
  論文  参考訳（メタデータ） (2024-03-30T06:18:50Z)
• 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)
• 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。