論文の概要: HyperColorization: Propagating spatially sparse noisy spectral clues for reconstructing hyperspectral images
- arxiv url: http://arxiv.org/abs/2403.11935v1
- Date: Mon, 18 Mar 2024 16:33:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-20 19:30:44.389303
- Title: HyperColorization: Propagating spatially sparse noisy spectral clues for reconstructing hyperspectral images
- Title（参考訳）: ハイパーカラー化:ハイパースペクトル画像再構成のための空間的疎雑音スペクトル手がかりの伝搬
- Authors: M. Kerem Aydin, Qi Guo, Emma Alexander,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.7214317850962106
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Hyperspectral cameras face challenging spatial-spectral resolution trade-offs and are more affected by shot noise than RGB photos taken over the same total exposure time. Here, we present a colorization algorithm to reconstruct hyperspectral images from a grayscale guide image and spatially sparse spectral clues. We demonstrate that our algorithm generalizes to varying spectral dimensions for hyperspectral images, and show that colorizing in a low-rank space reduces compute time and the impact of shot noise. To enhance robustness, we incorporate guided sampling, edge-aware filtering, and dimensionality estimation techniques. Our method surpasses previous algorithms in various performance metrics, including SSIM, PSNR, GFC, and EMD, which we analyze as metrics for characterizing hyperspectral image quality. Collectively, these findings provide a promising avenue for overcoming the time-space-wavelength resolution trade-off by reconstructing a dense hyperspectral image from samples obtained by whisk or push broom scanners, as well as hybrid spatial-spectral computational imaging systems.
- Abstract（参考訳）: ハイパースペクトルカメラは、空間分解能のトレードオフに挑戦しており、同じ露光時間で撮影されたRGB写真よりもショットノイズの影響を受けやすい。
ここでは、グレースケールのガイド画像と空間的にスパースなスペクトル手がかりから、ハイパースペクトル画像を再構成するカラー化アルゴリズムを提案する。
提案アルゴリズムは,ハイパー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カラー化が計算時間とショットノイズの影響を減少させることを示す。
頑健性を高めるため,ガイド付きサンプリング,エッジ認識フィルタリング,次元推定手法を取り入れた。
提案手法は,SSIM,PSNR,GFC,EMDなどの様々な性能指標において過去のアルゴリズムを上回り,ハイパースペクトル画像品質を特徴付ける指標として分析する。
これらの知見は、ウィスキーやプッシュブルームスキャナーで得られた試料から高スペクトル像を再構成することにより、時空間分解能トレードオフを克服するための有望な手段を提供するとともに、ハイブリッド空間分光イメージングシステムを提供する。
関連論文リスト
- SSIF: Learning Continuous Image Representation for Spatial-Spectral
Super-Resolution [73.46167948298041]
本稿では,空間領域における連続画素座標とスペクトル領域における連続波長の両方の関数として,画像を表すニューラル暗黙モデルを提案する。
SSIFは空間分解能とスペクトル分解能の両方によく対応していることを示す。
ダウンストリームタスクのパフォーマンスを1.7%-7%向上させる高解像度画像を生成することができる。
論文 参考訳（メタデータ） (2023-09-30T15:23:30Z) - Aperture Diffraction for Compact Snapshot Spectral Imaging [27.321750056840706]
我々は、Aperture Diffraction Imaging Spectrometer (ADIS) という、コンパクトで費用効率の良いスナップショット分光画像システムを紹介した。
モザイクフィルタセンサ上の離散符号化位置にオブジェクト空間の各点を多重化する新しい光学設計を導入する。
回折変性を強く知覚するカスケードシフトシャッフルスペクトル変換器(CSST)は、空間制約の逆問題を解決するために設計されている。
論文 参考訳（メタデータ） (2023-09-27T16:48:46Z) - Symmetric Uncertainty-Aware Feature Transmission for Depth
Super-Resolution [52.582632746409665]
カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。
本手法は最先端の手法と比較して優れた性能を実現する。
論文 参考訳（メタデータ） (2023-06-01T06:35:59Z) - Blind deblurring of hyperspectral document images [0.0]
マルチスペクトル(MS)とハイパースペクトル(HS)の画像は、RGB画像よりもはるかにリッチなスペクトル情報を含んでいる。
文書化に適した新しいブラインドHS画像デブロアリング手法を提案する。
論文 参考訳（メタデータ） (2023-03-09T09:31:13Z) - Unsupervised Spatial-spectral Hyperspectral Image Reconstruction and
Clustering with Diffusion Geometry [6.279792995020646]
本研究では,高度に混合したハイパースペクトル画像の分割のための空間スペクトル画像再構成と拡散幾何を用いたクラスタリング(DSIRC)アルゴリズムを提案する。
DSIRCは、データ適応空間近傍にスペクトル相関画素を配置し、その画素のスペクトルシグネチャを近隣のピクセルを用いて再構成する。
その結果,画像再構成による空間情報の取り込みにより,画素単位のクラスタリングの性能が大幅に向上することが示唆された。
論文 参考訳（メタデータ） (2022-04-28T13:42:12Z) - Spectral Splitting and Aggregation Network for Hyperspectral Face
Super-Resolution [82.59267937569213]
高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。
本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。
限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
論文 参考訳（メタデータ） (2021-08-31T02:13:00Z) - SASSI -- Super-Pixelated Adaptive Spatio-Spectral Imaging [17.2152544145501]
高い空間分解能と時間分解能を持つ新しいビデオレートハイパースペクトラム画像装置を紹介します。
超画素分割画像によって誘導されるハイパースペクトルシーンのシーン適応空間サンプリングは、高品質の再構築を得ることができる。
提案手法を広範にシミュレーションし,600倍900万画素の空間分解能でハイパースペクトル映像を測定する実験室のプロトタイプとして検証した。
論文 参考訳（メタデータ） (2020-12-28T21:34:18Z) - 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) - 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)
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。