文献

J-GLOBAL ID：201702226219651310   整理番号：17A1568129

スペクトル差分学習と空間的誤り訂正によるハイパースペクトル画像超解像【Powered by NICT】

Hyperspectral Image Super-Resolution by Spectral Difference Learning and Spatial Error Correction

著者 (3件)： Hu Jing (State Key Laboratory of Integrated Service Network, Xidian University, Xi’an, China) ,  Li Yunsong (State Key Laboratory of Integrated Service Network, Xidian University, Xi’an, China) ,  Xie Weiying (State Key Laboratory of Integrated Service Network, Xidian University, Xi’an, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 14  号： 10  ページ： 1825-1829  発行年： 2017年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ハイパースペクトル画像(HSI)超解像(SR)は,コンピュータビジョンにおいて非常に魅力的な話題である。しかし,ほとんどの既存の方法は,入力低解像度(LR)HSIに関して補助高解像度(HR)画像を必要とする。これはこれらのHSI SR法の実用性を制限する。さらに,これらの方法はしばしば重要なスペクトル情報を破壊する。HSI SRのための空間誤り訂正(SEC)モデルの組合せを持つ深いスペクトル差分畳込みニューラルネットワーク(SDCNN)を提案した。この方法は,スペクトルと空間相関の完全な探索,良好な空間情報とスペクトル情報保存を達成することを可能にした。提案した方法では,重要なバンドを選択し,超解像境界帯で自動的にである。一方,LRとHR HSIの間のスペクトル差マッピングはSDCNNにより学ぶことができると,SECモデル,スペクトル情報を保存しながら空間誤差を補正することを目的としているに従って変換する。静止nonkeyバンドは形質転換したスペクトル差の指導下で超解像する。合成と実際のシナリオHSI上での実験結果により,提案した方法であることを示唆している1)同一シーンの補助画像を必要とせずに匹敵する性能を達成し,2)最新の方法よりも計算時間を必要とする。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *誤り訂正 ,  畳込み ,  *超解像 ,  情報蓄積 ,  高分解能 ,  *スペクトル ,  ニューラルネットワーク ,  CPU時間 ,  *画像 ,  *学習 ,  コンピュータビジョン
準シソーラス用語： 空間情報 ,  空間相関 ,  低分解能 ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： スペクトル ,  差分 ,  学習 ,  誤り訂正 ,  ハイパースペクトル画像 ,  超解像