論文の概要: Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation
- arxiv url: http://arxiv.org/abs/2410.18388v2
- Date: Sat, 15 Feb 2025 13:44:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-18 14:04:29.694946
- Title: Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation
- Title(参考訳): ハイパースペクトル画像表現のための不規則なテンソル低ランク表現
- Authors: Bo Han, Yuheng Jia, Hui Liu, Junhui Hou,
- Abstract要約: スペクトル変動は、ハイパースペクトル画像(HSI)解析において共通の課題となる
低ランクテンソル表現は、HSIデータに固有の相関を利用して、堅牢な戦略として登場した。
本研究では,不規則な3次元立方体を効率的にモデル化するために,不規則なテンソルローランク表現のための新しいモデルを提案する。
- 参考スコア(独自算出の注目度): 71.69331824668954
- License:
- Abstract: Spectral variations pose a common challenge in analyzing hyperspectral images (HSI). To address this, low-rank tensor representation has emerged as a robust strategy, leveraging inherent correlations within HSI data. However, the spatial distribution of ground objects in HSIs is inherently irregular, existing naturally in tensor format, with numerous class-specific regions manifesting as irregular tensors. Current low-rank representation techniques are designed for regular tensor structures and overlook this fundamental irregularity in real-world HSIs, leading to performance limitations. To tackle this issue, we propose a novel model for irregular tensor low-rank representation tailored to efficiently model irregular 3D cubes. By incorporating a non-convex nuclear norm to promote low-rankness and integrating a global negative low-rank term to enhance the discriminative ability, our proposed model is formulated as a convex-concave optimization problem and solved using an alternative augmented Lagrangian method. Experimental validation conducted on four public datasets demonstrates the superior performance of our method compared to existing state-of-the-art approaches. The code is publicly available at https://github.com/hb-studying/ITLRR.
- Abstract(参考訳): スペクトル変動は、ハイパースペクトル画像(HSI)の解析において共通の課題となる。
これを解決するために、低ランクテンソル表現は、HSIデータに固有の相関を利用して、堅牢な戦略として登場した。
しかし、HSIsにおける接地対象の空間分布は本質的に不規則であり、自然にテンソル形式に存在し、多くのクラス固有の領域が不規則テンソルとして表される。
現在の低ランク表現技術は、通常のテンソル構造のために設計されており、実世界のHSIの基本的な不規則性を見落とし、性能の制限につながっている。
この問題に対処するために,不規則な3次元立方体を効率的にモデル化するための,不規則なテンソル低ランク表現のための新しいモデルを提案する。
低ランク化を促進するために非凸核ノルムを導入し、識別能力を高めるためにグローバルな負の低ランク項を統合することにより、提案モデルは凸凹最適化問題として定式化され、代替のラグランジアン法を用いて解決される。
4つの公開データセットで行った実験による検証は,既存の最先端手法と比較して,提案手法の優れた性能を示す。
コードはhttps://github.com/hb-studying/ITLRRで公開されている。
関連論文リスト
- Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse
Problems [64.29491112653905]
本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。
具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。
提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
論文 参考訳(メタデータ) (2023-03-10T07:42:49Z) - Low-Rank Tensor Function Representation for Multi-Dimensional Data
Recovery [52.21846313876592]
低ランクテンソル関数表現(LRTFR)は、無限解像度でメッシュグリッドを超えてデータを連続的に表現することができる。
テンソル関数に対する2つの基本的な概念、すなわちテンソル関数ランクとローランクテンソル関数分解を開発する。
提案手法は,最先端手法と比較して,提案手法の優越性と汎用性を裏付けるものである。
論文 参考訳(メタデータ) (2022-12-01T04:00:38Z) - Fast Noise Removal in Hyperspectral Images via Representative
Coefficient Total Variation [38.23169948685068]
データの構造的先行をマイニングすることは、ハイパースペクトル画像(HSI)のタスクを認知する技術として広く認知されている。
モデルベースのメソッドは優れた一般化能力を持ち、ランタイムは高速な処理要求を満たすことができない。
低位と局所的な滑らかな特性を同時に特徴付けるために,代表係数トータル変分 (RCTV) という新しい正規化器を提案する。
論文 参考訳(メタデータ) (2022-11-03T14:06:37Z) - Hyperspectral Image Denoising Using Non-convex Local Low-rank and Sparse
Separation with Spatial-Spectral Total Variation Regularization [49.55649406434796]
本研究では,HSI復調のためのロバストな主成分分析のための新しい非特異なアプローチを提案する。
我々は、ランクとスパースコンポーネントの両方に対する正確な近似を開発する。
シミュレーションと実HSIの両方の実験により,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2022-01-08T11:48:46Z) - 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) - 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) - Hyperspectral Image Denoising with Partially Orthogonal Matrix Vector
Tensor Factorization [42.56231647066719]
ハイパースペクトル画像(HSI)は、スペクトルの余分な情報により、様々な用途の自然画像に対していくつかの利点がある。
買収の間、しばしばガウシアンノイズ、インパルスノイズ、期限、ストライプなどの厳しい騒音によって汚染される。
本研究では,スムーズかつロバストな低ランクテンソルリカバリというHSI復元手法を提案する。
論文 参考訳(メタデータ) (2020-06-29T02:10:07Z) - Enhanced nonconvex low-rank approximation of tensor multi-modes for
tensor completion [1.3406858660972554]
我々は、新しい低ランク近似テンソルマルチモード(LRATM)を提案する。
ブロックバウンド法に基づくアルゴリズムは,提案手法を効率的に解くために設計されている。
3種類の公開多次元データセットの数値計算結果から,本アルゴリズムは様々な低ランクテンソルを復元可能であることが示された。
論文 参考訳(メタデータ) (2020-05-28T08:53:54Z) - 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)
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。