論文の概要: Preprocessing Algorithm Leveraging Geometric Modeling for Scale Correction in Hyperspectral Images for Improved Unmixing Performance

• arxiv url: http://arxiv.org/abs/2508.08431v2
• Date: Thu, 11 Sep 2025 16:31:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 13:52:32.799328
• Title: Preprocessing Algorithm Leveraging Geometric Modeling for Scale Correction in Hyperspectral Images for Improved Unmixing Performance
• Title（参考訳）: ハイパースペクトル画像のスケール補正のための幾何モデリングを利用した前処理アルゴリズムによるアンミックス性能の向上
• Authors: Praveen Sumanasekara, Athulya Ratnayake, Buddhi Wijenayake, Keshawa Ratnayake, Roshan Godaliyadda, Parakrama Ekanayake, Vijitha Herath,
• Abstract要約: トポグラフィー、照明、シャドーイングによる観察されたピクセルシグネチャのスケールに対する大規模な歪みは、依然として大きな課題である。 本研究では,アンミックス前のスペクトル変動を補正する新しい前処理アルゴリズムを提案する。 これらの歪みを画素シグネチャのスケールに推定し補正することにより、このアルゴリズムは最小の歪みで画素シグネチャを生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spectral variability significantly impacts the accuracy and convergence of hyperspectral unmixing algorithms. Many methods address complex spectral variability; yet large-scale distortions to the scale of the observed pixel signatures due to topography, illumination, and shadowing remain a major challenge. These variations often degrade unmixing performance and complicate model fitting. Because of this, correcting these variations can offer significant advantages in real-world GIS applications. In this paper, we propose a novel preprocessing algorithm that corrects scale-induced spectral variability prior to unmixing. By estimating and correcting these distortions to the scale of the pixel signatures, the algorithm produces pixel signatures with minimal distortions in scale. Since these distortions in scale (which hinder the performance of many unmixing methods) are greatly minimized in the output provided by the proposed method, the abundance estimation of the unmixing algorithms is significantly improved. We present a rigorous mathematical framework to describe and correct for scale variability and provide extensive experimental validation of the proposed algorithm. Furthermore, the algorithm's impact is evaluated across a wide range of state-of-the-art unmixing methods on two synthetic and two real hyperspectral datasets. The proposed preprocessing step consistently improves the performance of these algorithms, achieving error reductions of around 50%, even for algorithms specifically designed to handle spectral variability. This demonstrates that scale correction acts as a complementary step, facilitating more accurate unmixing with existing methods. The algorithm's generality, consistent impact, and significant influence highlight its potential as a key component in practical hyperspectral unmixing pipelines. The implementation code will be made publicly available upon publication.
• Abstract（参考訳）: スペクトルの可変性は、ハイパースペクトルアンミックスアルゴリズムの精度と収束性に大きな影響を及ぼす。 多くの手法は複雑なスペクトルの変動に対処するが、トポグラフィー、照明、シャドーイングによる観察されたピクセルシグネチャのスケールへの大規模な歪みは大きな課題である。 これらのバリエーションは、しばしば未混合のパフォーマンスを低下させ、モデルフィッティングを複雑にする。 このため、これらのバリエーションの修正は、現実世界のGISアプリケーションにおいて大きな利点をもたらす可能性がある。 本稿では,アンミックス前のスペクトル変動を補正する新しい前処理アルゴリズムを提案する。 これらの歪みを画素シグネチャのスケールに推定し補正することにより、このアルゴリズムは最小の歪みで画素シグネチャを生成する。 提案手法が提案する出力では, スケールの歪み(多くのアンミックス法の性能を阻害する)が大幅に最小化されるため, アンミックス法の性能評価が大幅に向上する。 本稿では,スケールの可変性を記述し,補正するための厳密な数学的枠組みを提案し,提案アルゴリズムの実験的検証を行う。 さらに、アルゴリズムの影響は、2つの合成および2つの実超スペクトルデータセットに対して、最先端の未混合手法の幅広い範囲で評価される。 提案した前処理ステップは、スペクトル可変性に特化して設計されたアルゴリズムであっても、これらのアルゴリズムの性能を一貫して改善し、誤差を約50%削減する。 このことは、スケール補正が相補的なステップとして機能し、既存のメソッドとのより正確なアンミックスを容易にすることを示している。 このアルゴリズムの一般性、一貫した影響、および大きな影響は、実際の超スペクトルアンミックスパイプラインにおける重要なコンポーネントとしての可能性を強調している。 実装コードは公開時に公開されます。

関連論文リスト

• Sparsity and Total Variation Constrained Multilayer Linear Unmixing for Hyperspectral Imagery [2.8516007089651043]
  ハイパースペクトルアンミキシング(Hyperspectral unmixing)は、材料シグネチャ(エンドメンバーと呼ばれる)と対応する割合(アブリダンスを参照)を推定することを目的としている。 本研究は,高スペクトル画像に対するスペーサシティと全変動(TV)制約付き多層リニアアンミキシング(STVMLU)と呼ばれる新しいアプローチを開発する。
  論文  参考訳（メタデータ） (2025-08-05T12:50:55Z)
• A spectral clustering-type algorithm for the consistent estimation of the Hurst distribution in moderately high dimensions [8.829673021172587]
  我々は,高次元フラクタルシステムに基づくHurst分布の統計的同定のためのアルゴリズムを構築した。 寸法、サンプルサイズ、スケールが無限大となる適度な高次元状態において、アルゴリズムは一貫してハースト分布を推定することを示す。 本研究では,実世界のマクロ経済時系列の分析にアルゴリズムを適用し,統合の証拠を明らかにする。
  論文  参考訳（メタデータ） (2025-01-30T03:34:08Z)
• Adaptive Federated Learning Over the Air [108.62635460744109]
  オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。 解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
  論文  参考訳（メタデータ） (2024-03-11T09:10:37Z)
• A Generalized Multiscale Bundle-Based Hyperspectral Sparse Unmixing Algorithm [8.616208042031877]
  ハイパースペクトルスパースアンミックスでは、空間領域における終端員の変動に対処するためにスペクトル束を用いることに成功した。 我々は,群間隔誘導混合ノルムを組み込むことにより,非混合問題を解くために,マルチスケール空間正規化手法を一般化する。
  論文  参考訳（メタデータ） (2024-01-24T00:37:14Z)
• Variational quantum algorithm for enhanced continuous variable optical phase sensing [0.0]
  変分量子アルゴリズム(VQA)は、ノイズ量子デバイスにおける幅広い問題に対処するために用いられるハイブリッド量子古典的アプローチである。 本研究では, 連続変数プラットフォーム上でのパラメータ推定の最適化のために, 圧縮光に基づく変分アルゴリズムを実装した。
  論文  参考訳（メタデータ） (2023-12-21T14:11:05Z)
• An Effective Image Copy-Move Forgery Detection Using Entropy Information [5.882089693239905]
  本稿ではエントロピー画像を導入し,スケール不変特徴変換検出器に基づくキーポイントの座標とスケールを決定する。 重なり合うエントロピーレベルのクラスタリングアルゴリズムは、キーポイントにおける灰色の値の非理想分布に起因するマッチング複雑性の増大を軽減するために開発された。
  論文  参考訳（メタデータ） (2023-12-19T02:09:38Z)
• A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
  本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。 これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。 本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
  決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。 厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。 このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
  論文  参考訳（メタデータ） (2021-11-29T15:10:09Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)

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。