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
- SaccadeDet: A Novel Dual-Stage Architecture for Rapid and Accurate Detection in Gigapixel Images [50.742420049839474]
SaccadeDetは、人間の目の動きにインスパイアされた、ギガピクセルレベルの物体検出のための革新的なアーキテクチャである。
PANDAデータセットを用いて評価した本手法は,最先端手法の8倍の高速化を実現する。
また、全スライドイメージングへの応用を通じて、ギガピクセルレベルの病理解析に有意な可能性を示す。
論文 参考訳（メタデータ） (2024-07-25T11:22:54Z) - Novel OCT mosaicking pipeline with Feature- and Pixel-based registration [8.22581088888652]
マルチビューOCT/OCTAテクスタイタン顔投影画像の縫合のための多目的パイプラインを提案する。
本手法は,複数の画像の整合性を向上するために,学習に基づく特徴マッチングと堅牢な画素ベース登録の長所を組み合わせる。
パイプラインの有効性は、社内データセットと大規模なパブリックデータセットを使用して検証される。
論文 参考訳（メタデータ） (2023-11-21T23:25:04Z) - 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) - Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。
まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。
本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
論文 参考訳（メタデータ） (2023-02-16T10:40:55Z) - HAZE-Net: High-Frequency Attentive Super-Resolved Gaze Estimation in
Low-Resolution Face Images [2.951890686127008]
本稿では,高周波減衰型視線推定ネットワーク,すなわちHAZE-Netを提案する。
我々のネットワークは、入力画像の解像度を改善し、目の特徴と境界を拡大する。
実験結果から,28×28ピクセルの低解像度顔画像においても,頑健な視線推定性能が得られた。
論文 参考訳（メタデータ） (2022-09-21T07:57:07Z) - Super-Resolution for Selfie Biometrics: Introduction and Application to
Face and Iris [67.74999528342273]
解像度の欠如は、画像ベースのバイオメトリックスの性能に悪影響を及ぼす。
超分解能技術は、特定のバイオメトリック・モダリティの画像の特異性に適応する必要がある。
本章では,顔画像と虹彩画像の超解像化における最近の進歩について概説する。
論文 参考訳（メタデータ） (2022-04-12T10:28:31Z) - Panoptic SwiftNet: Pyramidal Fusion for Real-time Panoptic Segmentation [0.0]
多くのアプリケーションは、安価なハードウェアや組み込みハードウェアの大規模な入力解像度よりも高速な推論を必要とする。
マルチスケール特徴抽出のためのバックボーン容量をトレードオフすることで,この目標を達成することを提案する。
本稿では,Cityscapes,Vistas,COCO,BSB-Aerialデータセットについてパノラマ実験を行った。
論文 参考訳（メタデータ） (2022-03-15T13:47:40Z) - 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) - Beyond Joint Demosaicking and Denoising: An Image Processing Pipeline
for a Pixel-bin Image Sensor [0.883717274344425]
Pixel binningは、スマートフォンカメラのハードウェア制限に対処する最も顕著なソリューションの1つだと考えられている。
本稿では,新しい学習手法を導入することで,このような画像センサ上でのJDD(Joint Desaicing and Denoising)の課題に対処する。
提案手法は,視覚可能な画像を生成するための2つの新しい知覚損失を含む多項目的関数によって導かれる。
論文 参考訳（メタデータ） (2021-04-19T15:41:28Z) - SAFRON: Stitching Across the Frontier for Generating Colorectal Cancer
Histology Images [2.486942181212742]
合成画像は、データの限られた可用性という文脈でディープラーニングアルゴリズムの開発と評価に使用することができる。
本研究では,現実的で高解像度な組織画像タイルを構築するための新しいSAFRONフレームワークを提案する。
提案手法は,比較的小さな画像パッチでトレーニングした後,任意の大きさのリアルな画像タイルを生成することができることを示す。
論文 参考訳（メタデータ） (2020-08-11T05:47:00Z) - Learning End-to-End Lossy Image Compression: A Benchmark [90.35363142246806]
まず,学習した画像の圧縮方法に関する総合的な文献調査を行う。
本稿では,最先端の学習画像圧縮手法のマイルストーンについて述べるとともに,既存の幅広い作品について概観し,その歴史的開発ルートについて考察する。
エントロピー推定と信号再構成のための粗大な超高次モデルを導入することにより、速度歪み性能の向上を実現する。
論文 参考訳（メタデータ） (2020-02-10T13:13:43Z)
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。