論文の概要: Endmember Extraction from Hyperspectral Images Using Self-Dictionary Approach with Linear Programming

• arxiv url: http://arxiv.org/abs/2404.13098v2
• Date: Sun, 09 Feb 2025 08:59:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:23:37.719954
• Title: Endmember Extraction from Hyperspectral Images Using Self-Dictionary Approach with Linear Programming
• Title（参考訳）: 線形計画法を用いた自己辞書的手法によるハイパースペクトル画像からの終端抽出
• Authors: Tomohiko Mizutani,
• Abstract要約: ハイパースペクトルイメージング技術を利用するための重要なステップは、観察シーンにおける材料のスペクトルシグネチャを特定することを目的とした、エンドメンバー抽出である。 理論的には、Hottopixx法として知られる線形プログラミング(LP)を用いた自己辞書的手法が、エンドメンバーの抽出に有効であることが示唆されている。 本稿では,計算時間を短縮し,終端抽出性能を向上させるために,Hottopixxの強化実装を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Hyperspectral imaging technology has a wide range of applications, including forest management, mineral resource exploration, and Earth surface monitoring. A key step in utilizing this technology is endmember extraction, which aims to identify the spectral signatures of materials in observed scenes. Theoretical studies suggest that self-dictionary methods using linear programming (LP), known as Hottopixx methods, are effective in extracting endmembers. However, their practical application is hindered by high computational costs, as they require solving LP problems whose size grows quadratically with the number of pixels in the image. As a result, their actual effectiveness remains unclear. To address this issue, we propose an enhanced implementation of Hottopixx designed to reduce computational time and improve endmember extraction performance. We demonstrate its effectiveness through experiments. The results suggest that our implementation enables the application of Hottopixx for endmember extraction from real hyperspectral images and allows us to achieve reasonably high accuracy in estimating endmember signatures.
• Abstract（参考訳）: ハイパースペクトルイメージング技術は、森林管理、鉱物資源探査、地球表面モニタリングなど幅広い用途がある。 この技術を利用するための重要なステップは、観察されたシーンにおける材料のスペクトルシグネチャを特定することを目的としたエンドメンバー抽出である。 理論的には、Hottopixx法として知られる線形プログラミング(LP)を用いた自己辞書的手法が、エンドメンバーの抽出に有効であることが示唆されている。 しかし,画像中の画素数に比例して大きさが2倍に大きくなるLP問題を解く必要があるため,計算コストが高いため,実用的応用は妨げられる。 その結果、実際の効果は明らかでない。 この問題に対処するために,計算時間を短縮し,終端抽出性能を向上させるために,Hottopixxの強化実装を提案する。 実験によってその効果を実証する。 以上の結果から,本実装では,実超スペクトル画像からの終端抽出にHottopixxを適用でき,終端署名の推定において合理的に高い精度を達成できることが示唆された。

関連論文リスト

• Lightweight Deepfake Detection Based on Multi-Feature Fusion [4.300416351970122]
  Deepfakeの技術は、ディープラーニングベースの顔操作技術を利用して、非常にリアルだが人工的に生成されたコンテンツを作るビデオの顔にシームレスに置き換える。 本研究では,限られた計算資源を持つデバイスに適したディープフェイク画像と映像を効率よく,かつ軽量に検出する手法を提案する。 HOG LBPとKAZEの併用により,FaceForensics++では92%,Celeb-DFv2では96%の精度が向上した。
  論文  参考訳（メタデータ） (2025-02-17T12:55:41Z)
• Advancements in Feature Extraction Recognition of Medical Imaging Systems Through Deep Learning Technique [0.36651088217486427]
  高速な画像認識を実現するために,重みに基づく目的関数を提案する。 単純なアルゴリズムを用いたしきい値最適化手法を提案する。 異なる種類のオブジェクトは互いに独立しており、画像処理においてコンパクトであることがわかった。
  論文  参考訳（メタデータ） (2024-05-23T04:46:51Z)
• EPNet: An Efficient Pyramid Network for Enhanced Single-Image Super-Resolution with Reduced Computational Requirements [12.439807086123983]
  シングルイメージ超解像(SISR)は、ディープラーニングの統合によって大幅に進歩した。 本稿では,エッジ分割ピラミッドモジュール (ESPM) とパノラマ特徴抽出モジュール (PFEM) を調和して結合し,既存の手法の限界を克服する,EPNet (Efficient Pyramid Network) を提案する。
  論文  参考訳（メタデータ） (2023-12-20T19:56:53Z)
• Pixel-Inconsistency Modeling for Image Manipulation Localization [59.968362815126326]
  デジタル画像法医学は、画像認証と操作のローカライゼーションにおいて重要な役割を果たす。 本稿では,画素不整合アーチファクトの解析を通じて,一般化されたロバストな操作ローカライゼーションモデルを提案する。 実験により,本手法は固有の画素不整合偽指紋を抽出することに成功した。
  論文  参考訳（メタデータ） (2023-09-30T02:54:51Z)
• A Novel Algorithm for Exact Concave Hull Extraction [0.0]
  領域抽出は、自律運転における物体検出から細胞生物学における細胞内形態解析まで、幅広い用途で必要とされる。 2つの主要なアプローチがある: 凸殻抽出(convex hull extract)は、正確で効率的なアルゴリズムが存在し、実世界の形状を捉えるのに優れているが、単一の解を持たない。 本研究では,コンケーブ内包を最大分解能(ピクセル完全)で提供し,速度効率のトレードオフを調整可能な新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-23T05:26:48Z)
• Pixel Distillation: A New Knowledge Distillation Scheme for Low-Resolution Image Recognition [124.80263629921498]
  アーキテクチャ制約を同時に破りながら知識蒸留を入力レベルまで拡張するPixel Distillationを提案する。 このようなスキームは、ネットワークアーキテクチャと画像品質の両方をリソースの全体的な要求に応じて調整できるため、展開のための柔軟なコスト制御を実現することができる。
  論文  参考訳（メタデータ） (2021-12-17T14:31:40Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Searching for Efficient Architecture for Instrument Segmentation in Robotic Surgery [58.63306322525082]
  ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。 我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2020-07-08T21:38:29Z)
• High-Resolution Image Inpainting with Iterative Confidence Feedback and Guided Upsampling [122.06593036862611]
  既存の画像塗装法は、実アプリケーションで大きな穴を扱う際に、しばしばアーティファクトを生成する。 本稿では,フィードバック機構を備えた反復インペイント手法を提案する。 実験により,本手法は定量評価と定性評価の両方において既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-05-24T13:23:45Z)
• A DICOM Framework for Machine Learning Pipelines against Real-Time Radiology Images [50.222197963803644]
  Nifflerは、研究クラスタでの機械学習パイプラインの実行を可能にする統合フレームワークである。 ニフラーはDigital Imaging and Communications in Medicine (DICOM)プロトコルを使用して画像データの取得と保存を行っている。 我々は,そのアーキテクチャと3つのユースケースを提示する: リアルタイムに画像から下大静脈フィルターを検出すること,スキャナ利用の同定,およびスキャナクロックの校正。
  論文  参考訳（メタデータ） (2020-04-16T21:06:49Z)

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。