論文の概要: Pan-denoising: Guided Hyperspectral Image Denoising via Weighted Represent Coefficient Total Variation
- arxiv url: http://arxiv.org/abs/2407.06064v2
- Date: Mon, 9 Sep 2024 08:34:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-11 01:51:43.173532
- Title: Pan-denoising: Guided Hyperspectral Image Denoising via Weighted Represent Coefficient Total Variation
- Title（参考訳）: パンデノジング:重み付き表現による高スペクトル画像デノジング
- Authors: Shuang Xu, Qiao Ke, Jiangjun Peng, Xiangyong Cao, Zixiang Zhao,
- Abstract要約: 本稿では,高スペクトル画像(HSI)デノナイズのための新しいパラダイムを紹介し,これをテクスタイトパンデノナイズと呼ぶ。
パンクロマトニック(PAN)画像は、HSIと同様の構造やテクスチャを撮影するが、ノイズが少ないため、パンデノイングは従来のHSI復調法の内部情報モデリング以上の基盤構造や詳細を明らかにする可能性を秘めている。
合成および実世界のデータセットの実験では、PWRCTVはメトリクスと視覚的品質の点でいくつかの最先端の手法より優れていることが示されている。
- 参考スコア（独自算出の注目度）: 20.240211073097758
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces a novel paradigm for hyperspectral image (HSI) denoising, which is termed \textit{pan-denoising}. In a given scene, panchromatic (PAN) images capture similar structures and textures to HSIs but with less noise. This enables the utilization of PAN images to guide the HSI denoising process. Consequently, pan-denoising, which incorporates an additional prior, has the potential to uncover underlying structures and details beyond the internal information modeling of traditional HSI denoising methods. However, the proper modeling of this additional prior poses a significant challenge. To alleviate this issue, the paper proposes a novel regularization term, Panchromatic Weighted Representation Coefficient Total Variation (PWRCTV). It employs the gradient maps of PAN images to automatically assign different weights of TV regularization for each pixel, resulting in larger weights for smooth areas and smaller weights for edges. This regularization forms the basis of a pan-denoising model, which is solved using the Alternating Direction Method of Multipliers. Extensive experiments on synthetic and real-world datasets demonstrate that PWRCTV outperforms several state-of-the-art methods in terms of metrics and visual quality. Furthermore, an HSI classification experiment confirms that PWRCTV, as a preprocessing method, can enhance the performance of downstream classification tasks. The code and data are available at https://github.com/shuangxu96/PWRCTV.
- Abstract（参考訳）: 本稿では,高スペクトル像(HSI)デノナイズのための新しいパラダイムを紹介し,これを「textit{pan-denoising}」と呼ぶ。
あるシーンでは、パンクロマティック(PAN)画像がHSIに似た構造やテクスチャを撮影するが、ノイズが少ない。
これにより、PAN画像の利用により、HSI denoisingプロセスのガイドが可能になる。
その結果、パンデノゲーションは、従来のHSIデノゲーション手法の内部情報モデリング以上の基盤構造や詳細を明らかにする可能性がある。
しかし、この追加の事前の適切なモデリングは重要な課題である。
この問題を軽減するために,本論文では,PWRCTV(Panchromatic Weighted Representation Coefficient Total Variation)という新しい正規化用語を提案する。
PAN画像の勾配図を用いて、各ピクセルごとに異なるテレビ正規化の重みを自動的に割り当て、滑らかな領域の重みがより大きく、エッジの重みがより小さい。
この正規化は、乗算器の交互方向法を用いて解くパンデノイングモデルの基礎となる。
合成および実世界のデータセットに関する大規模な実験は、PWRCTVがメトリクスと視覚的品質の点でいくつかの最先端の手法より優れていることを示した。
さらに,HSI分類実験により,PWRCTVは前処理として下流分類タスクの性能を向上させることができることを確認した。
コードとデータはhttps://github.com/shuangxu96/PWRCTVで公開されている。
関連論文リスト
- Beyond Image Prior: Embedding Noise Prior into Conditional Denoising Transformer [17.430622649002427]
既存の学習ベースの推論手法は、大規模なデータセットからイメージを一般化するためにモデルを訓練するのが一般的である。
本稿では,ノイズと画像の先行部分の分離を区別することによる,難読化問題に対する新たな視点を提案する。
本稿では,1つの生雑音画像から直接先行する雑音を正確に推定する局所雑音優先推定アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-12T08:43:11Z) - Gradpaint: Gradient-Guided Inpainting with Diffusion Models [71.47496445507862]
Denoising Diffusion Probabilistic Models (DDPM) は近年,条件付きおよび非条件付き画像生成において顕著な成果を上げている。
我々はGradPaintを紹介し、グローバルな一貫性のあるイメージに向けて世代を操る。
我々は、様々なデータセットで訓練された拡散モデルによく適応し、現在最先端の教師付きおよび教師なしの手法を改善している。
論文 参考訳（メタデータ） (2023-09-18T09:36:24Z) - A Novel Truncated Norm Regularization Method for Multi-channel Color
Image Denoising [5.624787484101139]
本論文は,DtNFM法(DtNFM法)を用いて,二重重み付き核ノルム最小化法(double-weighted truncated nuclear norm minus truncated Frobenius norm minimization, DtNFM法)を用いてカラー画像のノイズ化を行う。
雑音像の非局所的な自己相似性を利用して、類似した構造を収集し、類似したパッチ行列を連続的に構築する。
合成および実雑音データセットの実験により、提案手法は、多くの最先端カラー画像復調法より優れていることを示した。
論文 参考訳（メタデータ） (2023-07-16T03:40:35Z) - Stimulating Diffusion Model for Image Denoising via Adaptive Embedding and Ensembling [56.506240377714754]
DMID(Diffusion Model for Image Denoising)と呼ばれる新しい手法を提案する。
我々の戦略は、雑音のある画像を事前訓練された非条件拡散モデルに埋め込む適応的な埋め込み法を含む。
我々のDMID戦略は、歪みベースと知覚ベースの両方で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2023-07-08T14:59:41Z) - Enhancing convolutional neural network generalizability via low-rank weight approximation [6.763245393373041]
十分なノイズ処理は、画像処理にとって重要な第一歩であることが多い。
ディープニューラルネットワーク(DNN)は画像のノイズ化に広く利用されている。
本研究では,タッカー低ランクテンソル近似に基づく自己教師付き画像復調フレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-26T14:11:05Z) - Learning Spatial and Spatio-Temporal Pixel Aggregations for Image and
Video Denoising [104.59305271099967]
ピクセル集計ネットワークを提示し、画像デノイジングのためのピクセルサンプリングと平均戦略を学びます。
時間空間にまたがるサンプル画素をビデオデノナイズするための画素集約ネットワークを開発した。
本手法は,動的シーンにおける大きな動きに起因する誤認問題を解決することができる。
論文 参考訳（メタデータ） (2021-01-26T13:00:46Z) - SMDS-Net: Model Guided Spectral-Spatial Network for Hyperspectral Image
Denoising [10.597014770267672]
ディープ・ラーニング (DL) に基づくハイパースペクトル画像 (HSI) 法は、観測されたノイズ画像と基礎となるクリーン画像との間の非線形マッピングを直接学習する。
本稿では,HSIデノベーションのための新しいモデルガイド付き解釈可能なネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-03T11:05:01Z) - Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image
Restoration [66.68541690283068]
ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。
提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。
HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
論文 参考訳（メタデータ） (2020-10-24T15:53:56Z) - The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。
次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。
そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-05-16T08:17:44Z) - Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。
本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
論文 参考訳（メタデータ） (2019-08-29T15:54:06Z)
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。