論文の概要: A Generalized Tensor Formulation for Hyperspectral Image Super-Resolution Under General Spatial Blurring
- arxiv url: http://arxiv.org/abs/2409.18731v1
- Date: Fri, 27 Sep 2024 13:23:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-01 15:09:41.726260
- Title: A Generalized Tensor Formulation for Hyperspectral Image Super-Resolution Under General Spatial Blurring
- Title（参考訳）: 一般空間ブラリング下におけるハイパースペクトル画像超解像の一般的なテンソル定式化
- Authors: Yinjian Wang, Wei Li, Yuanyuan Gui, Qian Du, James E. Fowler,
- Abstract要約: ハイパースペクトル超解像は、高空間分解能のマルチスペクトル像と高空間分解能のハイパースペクトル像を融合させることが一般的である。
このようなテンソルベース手法では、所望の超解像から観察された超スペクトル画像を生成する空間ブルーリング動作が、独立水平および垂直のぼかしに分離可能であると仮定する。
最近の研究は、このような分離可能な空間劣化は、例えば異方性ぼけを示すような実際のセンサーの動作をモデル化するために不必要であると主張している。
- 参考スコア（独自算出の注目度）: 9.163087502142107
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral super-resolution is commonly accomplished by the fusing of a hyperspectral imaging of low spatial resolution with a multispectral image of high spatial resolution, and many tensor-based approaches to this task have been recently proposed. Yet, it is assumed in such tensor-based methods that the spatial-blurring operation that creates the observed hyperspectral image from the desired super-resolved image is separable into independent horizontal and vertical blurring. Recent work has argued that such separable spatial degradation is ill-equipped to model the operation of real sensors which may exhibit, for example, anisotropic blurring. To accommodate this fact, a generalized tensor formulation based on a Kronecker decomposition is proposed to handle any general spatial-degradation matrix, including those that are not separable as previously assumed. Analysis of the generalized formulation reveals conditions under which exact recovery of the desired super-resolved image is guaranteed, and a practical algorithm for such recovery, driven by a blockwise-group-sparsity regularization, is proposed. Extensive experimental results demonstrate that the proposed generalized tensor approach outperforms not only traditional matrix-based techniques but also state-of-the-art tensor-based methods; the gains with respect to the latter are especially significant in cases of anisotropic spatial blurring.
- Abstract（参考訳）: ハイパースペクトル超解像は、高空間分解能のマルチスペクトル像と低空間分解能のハイパースペクトル像を融合させることで一般的に達成され、この課題に対する多くのテンソルベースアプローチが近年提案されている。
しかし、そのようなテンソルベース手法では、所望の超解像から観察された超スペクトル画像を生成する空間ブルーリング動作が、独立して水平および垂直のぼかしに分離可能であると仮定する。
最近の研究は、このような分離可能な空間劣化は、例えば異方性ぼけを示すような実際のセンサーの動作をモデル化するために不必要であると主張している。
この事実に対応するために、Kronecker分解に基づく一般化テンソル定式化が提案され、これまでに仮定されたような分離性を持たないものを含む、一般的な空間劣化行列を扱うことができる。
一般化された定式化の解析により、所望の超解像の正確な回復が保証される条件を明らかにし、ブロックワイズグループスパーシティ正規化によって駆動されるそのような回復のための実用的なアルゴリズムを提案する。
一般化テンソル法は, 従来の行列法だけでなく, 最先端テンソル法よりも優れており, 後者に対する利得は, 異方性空間的ぼかしの場合に特に顕著である。
関連論文リスト
- GLAD: Towards Better Reconstruction with Global and Local Adaptive Diffusion Models for Unsupervised Anomaly Detection [60.78684630040313]
拡散モデルは、特定のノイズを付加したテスト画像の通常の画像を再構成する傾向がある。
世界的視点から見ると、異なる異常による画像再構成の難しさは不均一である。
本稿では,非教師付き異常検出のためのグローバルかつ局所的な適応拡散モデル(GLADと略す)を提案する。
論文 参考訳（メタデータ） (2024-06-11T17:27:23Z) - Hyperspectral and multispectral image fusion with arbitrary resolution through self-supervised representations [23.04458119996]
本稿では,2つのニューラル表現を行列因子化に組み込むことにより,新しい連続低ランク因子化(CLoRF)を提案する。
提案手法は,行列分解による低ランク化と神経表現による連続性の両方を自己教師的手法で利用することができる。
論文 参考訳（メタデータ） (2024-05-28T04:29:23Z) - 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) - Guided Deep Generative Model-based Spatial Regularization for Multiband
Imaging Inverse Problems [14.908906329456842]
本稿では,高空間分解能の補助的獲得に乗じて,データ駆動型空間正規化を導出するための汎用フレームワークを提案する。
より正確には、この空間解像度の補助画像に含まれる空間意味的特徴を符号化できる深層生成ネットワークとして、正規化が考え出される。
論文 参考訳（メタデータ） (2023-06-29T03:48:50Z) - Deep Orthogonal Hypersphere Compression for Anomaly Detection [24.520413393132323]
多くのよく知られた効果的な異常検出法は、合理的な決定境界が超球形であることを仮定する。
本稿では,従来のハイパースフィア学習を改良した新しい深部異常検出モデルを提案する。
本稿では,超球面よりもコンパクトな決定領域が得られる超球面殻を得るための超球面圧縮法を提案する。
論文 参考訳（メタデータ） (2023-02-13T15:10:18Z) - Graph Embedding via High Dimensional Model Representation for
Hyperspectral Images [9.228929858529678]
リモートセンシング画像の多様体構造を学習することは、モデリングおよび理解プロセスにおける最重要事項である。
ハイパスペクトル画像解析(HSI)に対処するためのマナーラーニング手法は優れた性能を示した。
この問題に対処する一般的な仮定は、高次元の入力空間と(典型的には低い)潜在空間の間の変換が線型であるということである。
提案手法は,その線形学習法とともに多様体学習法と比較し,代表的ハイパースペクトル画像の分類精度の観点から有望な性能を実現する。
論文 参考訳（メタデータ） (2021-11-29T16:42:15Z) - Hyperspectral Mixed Noise Removal via Subspace Representation and
Weighted Low-rank Tensor Regularization [10.131033322742363]
我々は,超スペクトル画像の混合雑音を取り除くために,部分空間表現と重み付き低ランクテンソル正規化(SWLRTR)をモデルに採用する。
実験により、SWLRTR法は、他の高スペクトル分解法よりも定量的かつ視覚的に優れた性能を示すことが示された。
論文 参考訳（メタデータ） (2021-11-13T05:30:56Z) - 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) - Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。
MVSCに適合する新しい構造テンソル低ランクノルムを設計する。
提案手法は最先端の手法よりもかなり優れていることを示す。
論文 参考訳（メタデータ） (2020-04-30T11:52:12Z) - 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) - PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of
Generative Models [77.32079593577821]
PULSE (Photo Upsampling via Latent Space Exploration) は、それまで文献になかった解像度で高解像度でリアルな画像を生成する。
本手法は, 従来よりも高分解能, スケールファクターの知覚品質において, 最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-03-08T16:44:31Z)
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。