論文の概要: Self-Calibrated Subspace Robust PCA for Parameter-Free Removal of Mixed Noise and Line Stripes in Hyperspectral Images
- arxiv url: http://arxiv.org/abs/2610.21896v1
- Date: Thu, 15 Oct 2026 13:53:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:09:33.097198
- Title: Self-Calibrated Subspace Robust PCA for Parameter-Free Removal of Mixed Noise and Line Stripes in Hyperspectral Images
- Title（参考訳）: ハイパースペクトル画像における混合雑音と線状片のパラメータフリー除去のための自己校正サブスペースロバストPCA
- Abstract要約: 線ストライプの下では、SC-RCCTVはパラメータフリーのFastHyMixをネイティブサイズキューブで8.17dBで上回る。
真の騒音レベルから同じモデルの0.01dB以内にとどまり、オンラインキャリブレーションは2段階の推定値のデノエーズ方式で改善される。
- 参考スコア（独自算出の注目度）: 6.0608268215707115
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral images (HSIs) are often corrupted by Gaussian noise, impulses and stripes whose intensities vary across bands. The representative coefficient correlated total variation (RCCTV) model restores HSIs efficiently, but it lacks Gaussian and stripe terms, and its noise-aware extensions require the noise level and a stripe budget to be specified in advance. This article proposes a self-calibrated RCCTV (SC-RCCTV) model, in which the noise parameters are estimated adaptively during the iterations. A band-wise dense term and line-constant column and row stripe terms are introduced into RCCTV. The noise level of each band is initialized by a stripe-invariant median absolute deviation estimator and refined online from the residual, which turns the separation of sparse and dense noise into a band-adaptive Huber loss, and the stripe thresholds follow from a significance test whose false-alarm rate can be predicted analytically. No parameter is tuned for a specific image, and every subproblem of the alternating direction method of multipliers (ADMM) solver is solved in closed form. Under line stripes, SC-RCCTV outperforms the parameter-free FastHyMix by 8.17 dB on native-size cubes, and, without any noise information, it exceeds S3TTV, which is given the true noise parameters, by 1.52 dB while running more than 1,900 times faster. On average, it stays within 0.01 dB of the same model given the true noise levels, and its online calibration improves on a two-stage estimate-then-denoise scheme. Experiments on real Indian Pines and Urban data further delineate its scope for stripes that do not span entire lines.
- Abstract（参考訳）: ハイパースペクトル画像(HSI)は、ガウスノイズ、衝動、帯の強度が異なるストライプによってしばしば破損する。
代表係数相関総変動(RCCTV)モデルは、HSIを効率よく復元するが、ガウス語やストライプ語には欠けており、ノイズ対応の拡張には、事前にノイズレベルとストライプ予算を指定する必要がある。
本稿では,自己校正型RCCTV(SC-RCCTV)モデルを提案する。
RCCTVには、バンドワイド密度項とラインコンスタントカラム、行ストライプ項が導入されている。
各帯域の雑音レベルは、ストライプ不変の中央絶対偏差推定器によって初期化され、残差からオンラインに精製され、スパースノイズと高密度ノイズの分離がバンド適応ハマー損失に変換され、ストライプ閾値は、偽アラーム率を解析的に予測できる重要テストから続く。
特定の画像に対してパラメータを調整せず、乗算器の交互方向法(ADMM)の全てのサブプロブレムを閉じた形で解く。
線ストライプの下では、SC-RCCTVはパラメータフリーのFastHyMixを8.17dBで上回り、ノイズ情報なしではS3TTVを超える。
平均すると、実際のノイズレベルからすると、同じモデルの0.01dB以内にとどまり、オンラインキャリブレーションは2段階の見積もり-then-denoise方式で改善される。
実際のインドパインズとアーバンのデータの実験は、全線にまたがらないストライプのスコープをさらに明確にしている。
関連論文リスト
- Beyond Random Couplings: Contrastive Noise Alignment in Generative Flows [0.0]
雑音表現を直接最適化することにより動的でコントラッシブな結合を生成する訓練時間法であるContrastive Noise Alignment (CNA)を導入する。
理論的には、これはガウス構造を平衡的に保存し、推論中のトラクタビリティを維持することを示す。
数ステップでピクセル空間生成(2-4 NFE)を行う場合、CNAは標準的な修正フローに比べてFIDを50%以上削減する。
論文 参考訳（メタデータ） (2026-09-16T11:21:31Z) - One-Step Is Optimal: Unconditional Rectified Flows are Noise2Noise Denoisers, and Multi-Step Integration Provably Hurts---A Benchmark and Task-Based Detectability Study on Low-Dose CT [5.0448084246428015]
多段階統合は、クリーン信号分布よりもノイズの多いデータ分布で終了するため、MMSEソリューションから確実に離脱する。
マッチした雑音のペアで訓練されたワンステップ回帰器は、最高のラベルなし結果(+1.99$,dB)を与える。
論文 参考訳（メタデータ） (2026-09-15T19:53:47Z) - RF-VoID: Towards Bandwidth-Efficient Exterior Tile Void Detection via Narrowband Radio-Frequency Representation Learning [26.146393494302547]
ミリ波レーダーは、外装のセラミックタイルの後ろに隠れたデボンドを見つけるための非接触的な方法を提供する。
従来の解釈はまずレンジプロファイルを再構成するので、その信頼性は利用可能な帯域幅によって制限される。
この研究は、帯域幅を計算のために交換できるかどうかを問うものである。
論文 参考訳（メタデータ） (2026-09-11T03:18:37Z) - Drift-Aware RL-based Wavelet Denoising for Network-Traffic Anomaly Detection [1.5469452301122173]
ネットワーク監視のための交通利用測定は、付加雑音と統計的ドリフトによって損なわれる。
2つのタスクに最適化された前処理層として適応ウェーブレットをデノナイズするドリフト対応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-22T10:52:05Z) - Show the Signal, Hide the Noise: Spectral Forcing for Pixel-Space Diffusion [46.51681899437508]
本稿では,パラメータフリーで時間条件付き2D-DCTローパス演算子であるSpectral Forcingを導入する。
その遮断は拡散時間とともに単調に膨張し、データエンドポイントのアイデンティティとなる。
JiT-700M/32のImageNet-256では、Spectral Forcingは、異なるトレーニングエポック間で、FIDとInception Scoreの両方を一貫して改善している。
論文 参考訳（メタデータ） (2026-06-13T10:29:11Z) - Exact Stiefel Optimization for Probabilistic PLS: Closed-Form Updates, Error Bounds, and Calibrated Uncertainty [5.844591976842085]
本研究では,雑音事前推定,制約付き確率最適化,予測キャリブレーションを組み合わせたエンドツーエンドフレームワークを開発した。
我々は、任意のガウス化により、このフレームワークをガウス以下の設定に拡張し、ブロック構造フィッシャー解析により、クローズドフォームの標準エラーを提供する。
論文 参考訳（メタデータ） (2026-05-12T06:38:12Z) - Stabilizing Diffusion Posterior Sampling by Noise--Frequency Continuation [52.736416985173776]
高雑音下では、不正確な推定から計算されたデータ一貫性勾配は、後部幾何学と幾何的に一致しない。
本稿では、雑音依存周波数帯域内でのみ測定一貫性を強制する中間部分の連続的なファミリを構成するノイズ周波数継続フレームワークを提案する。
提案手法は最先端性能を実現し,強いベースライン上で最大5dBのPSNRの動作劣化を改善する。
論文 参考訳（メタデータ） (2026-01-30T03:14:01Z) - Robust Representation Consistency Model via Contrastive Denoising [83.47584074390842]
ランダムな平滑化は、敵の摂動に対する堅牢性を証明する理論的保証を提供する。
拡散モデルは、ノイズ摂動サンプルを浄化するためにランダムな平滑化に成功している。
我々は,画素空間における拡散軌跡に沿った生成的モデリングタスクを,潜在空間における識別的タスクとして再構成する。
論文 参考訳（メタデータ） (2025-01-22T18:52:06Z) - Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。
4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
論文 参考訳（メタデータ） (2023-01-18T04:54:58Z) - Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。
提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
論文 参考訳（メタデータ） (2021-07-02T11:55:40Z)
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。