論文の概要: Compact Multi-level-prior Tensor Representation for Hyperspectral Image Super-resolution

• arxiv url: http://arxiv.org/abs/2510.06098v1
• Date: Tue, 07 Oct 2025 16:26:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 17:57:08.354496
• Title: Compact Multi-level-prior Tensor Representation for Hyperspectral Image Super-resolution
• Title（参考訳）: ハイパースペクトル画像超解像のための小型マルチレベルテンソル表現
• Authors: Yinjian Wang, Wei Li, Yuanyuan Gui, Gemine Vivone,
• Abstract要約: マルチスペクトル画像と同一シーン上のマルチスペクトル画像、すなわちハイパースペクトル画像の超解像は、高空間・高分解能画像にアクセスするための一般的な計算方法となっている。 テンソル・フレームワーク内でこれらのマルチレベル・ハイパースペクトル・イメージをコンパクトに特徴付ける新しいハイパースペクトル・スーパーレゾリューション・モデルを提案する。
• 参考スコア（独自算出の注目度）: 12.432457307235092
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fusing a hyperspectral image with a multispectral image acquired over the same scene, \textit{i.e.}, hyperspectral image super-resolution, has become a popular computational way to access the latent high-spatial-spectral-resolution image. To date, a variety of fusion methods have been proposed, among which the tensor-based ones have testified that multiple priors, such as multidimensional low-rankness and spatial total variation at multiple levels, effectively drive the fusion process. However, existing tensor-based models can only effectively leverage one or two priors at one or two levels, since simultaneously incorporating multi-level priors inevitably increases model complexity. This introduces challenges in both balancing the weights of different priors and optimizing multi-block structures. Concerning this, we present a novel hyperspectral super-resolution model compactly characterizing these multi-level priors of hyperspectral images within the tensor framework. Firstly, the proposed model decouples the spectral low-rankness and spatial priors by casting the latent high-spatial-spectral-resolution image into spectral subspace and spatial maps via block term decomposition. Secondly, these spatial maps are stacked as the spatial tensor encoding the high-order spatial low-rankness and smoothness priors, which are co-modeled via the proposed non-convex mode-shuffled tensor correlated total variation. Finally, we draw inspiration from the linearized alternating direction method of multipliers to design an efficient algorithm to optimize the resulting model, theoretically proving its Karush-Kuhn-Tucker convergence under mild conditions. Experiments on multiple datasets demonstrate the effectiveness of the proposed algorithm. The code implementation will be available from https://github.com/WongYinJ.
• Abstract（参考訳）: マルチスペクトル画像と同一シーン上で取得したマルチスペクトル画像とを融合したハイパースペクトル画像超解像は、潜時高空間・高分解能画像にアクセスするための一般的な計算方法となっている。 これまで様々な融合法が提案されてきたが、その中では、多次元低ランク性や複数レベルの空間的総変動など、複数の先行が核融合過程を効果的に駆動していることが証明されている。 しかし、既存のテンソルベースのモデルは、1つか2つのレベルで1つか2つの事前しか有効に活用できない。 これは、異なる前の重みのバランスをとることと、マルチブロック構造を最適化することの両方に課題をもたらす。 そこで本研究では,テンソル・フレームワーク内での超スペクトル画像の多重レベル先行をコンパクトに特徴付ける新しい超スペクトル超解像モデルを提案する。 第一に,提案モデルでは,遅延高空間分解能像をブロック項分解によるスペクトル部分空間と空間マップにキャストすることにより,スペクトルの低ランクさと空間的先行性を分離する。 第2に、これらの空間地図は、高階空間低ランク度と滑らかさ事前を符号化する空間テンソルとして積み重ねられ、提案した非凸モードシャッフルテンソル相関全変動を介して共モデル化される。 最後に、乗算器の線形交互方向法からインスピレーションを得て、結果を最適化する効率的なアルゴリズムを設計し、理論上は穏やかな条件下でのKarush-Kuhn-Tucker収束を証明した。 複数のデータセットに対する実験により,提案アルゴリズムの有効性が示された。 コード実装はhttps://github.com/WongYinJ.comから入手できる。

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)
• Low-Rank Tensor Recovery via Variational Schatten-p Quasi-Norm and Jacobian Regularization [49.85875869048434]
  暗黙的神経表現のためのニューラルネットワークによりパラメータ化されたCPベースの低ランクテンソル関数を提案する。 本研究では、スペーサーCP分解を実現するために、冗長なランク1成分に変分Schatten-p quasi-normを導入する。 滑らか性のために、ヤコビアンとハッチンソンのトレース推定器のスペクトルノルムに基づく正規化項を提案する。
  論文  参考訳（メタデータ） (2025-06-27T11:23:10Z)
• A Fusion-Guided Inception Network for Hyperspectral Image Super-Resolution [4.487807378174191]
  我々はFusion-Guided Inception Network (FGIN)と呼ばれる単一画像の超解像モデルを提案する。 具体的には、まずスペクトル空間融合モジュールを用いて、スペクトル情報と空間情報を効果的に統合する。 インセプションのような階層的特徴抽出戦略は、マルチスケール空間依存をキャプチャするために用いられる。 再構成品質をさらに向上するため,バイリニアと奥行き分離可能な畳み込みを組み合わせた最適化されたアップサンプリングモジュールを組み込んだ。
  論文  参考訳（メタデータ） (2025-05-06T11:15:59Z)
• Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation [71.69331824668954]
  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。
  論文  参考訳（メタデータ） (2024-10-24T02:56:22Z)
• A Generalized Tensor Formulation for Hyperspectral Image Super-Resolution Under General Spatial Blurring [9.163087502142107]
  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。
  論文  参考訳（メタデータ） (2024-09-27T13:23:17Z)
• Hierarchical Homogeneity-Based Superpixel Segmentation: Application to Hyperspectral Image Analysis [11.612069983959985]
  ハイパースペクトルデータの処理に有効なマルチスケールスーパーピクセル法を提案する。 提案された階層的アプローチは、可変サイズの超画素を導くが、スペクトルの均一性は高い。 評価のために、スペクトルアンミックスおよび分類タスクにおける前処理ステップとして、同質性に基づく階層法を適用した。
  論文  参考訳（メタデータ） (2024-07-22T01:20:32Z)
• Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
  ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。 我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。 提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-04T09:07:28Z)
• 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)
• Motion Estimation for Large Displacements and Deformations [7.99536002595393]
  粗い微細なスキームに基づく変分光学フロー技術はスパースマッチングを補間し、色、勾配、滑らかさを条件としたエネルギーモデルを局所的に最適化する。 本稿では, この問題に対処し, 大きな変位と変形に対する変動運動推定フレームワークであるHybridFlowを提案する。
  論文  参考訳（メタデータ） (2022-06-24T18:53:22Z)
• 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)

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。