文献

J-GLOBAL ID：201802242450288999   整理番号：18A2038879

局所低ランクおよびスパース表現によるハイパースペクトル画像超解像【JST・京大機械翻訳】

Hyperspectral Image Super-Resolution via Local Low-Rank and Sparse Representations

著者 (4件)： Dian Renwei (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Li Shutao (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Fang Leyuan (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Bioucas-Dias Jose (Instituto de Telecomunicacoes, Instituto Superior Te ́cnico, Universidade de Lisboa, Lisbon, Portugal)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IGARSS  ページ： 4003-4006  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： リモートセンシングハイパースペクトル画像(HSIs)は通常高いスペクトル分解能を有するが,空間分解能は低い。HSIの空間分解能を増加させる方法は,融合逆問題を解決することである。それは,同じシーンの高空間分解能多重スペクトル画像(HR-MSI)によって,低空間分解能HSI(LR-HSI)を融合する。本論文では,LR-HSIからのスペクトル辞書の推定および両画像からの各回帰係数の推定として融合問題を定式化する,新しいHSI超解像手法(LRSRと呼ぶ)を提案した。回帰係数は,局所的(空間的意味で)低ランクとスパース回帰係数を促進する変分正則化問題を定式化することによって推定される。スペクトルベクトルが低ランクである局所領域を,HR-MSIを分割することにより推定した。定式化凸最適化をSALSAで解いた。実験は,LRSRが最先端の方法に関して競争力があるという証拠を提供した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： スペクトル分解 ,  *画像 ,  *超解像 ,  逆問題 ,  リモートセンシング ,  変分法 ,  空間分解能 ,  ベクトル ,  *スペクトル ,  定式化 ,  正則化
準シソーラス用語： 凸最適化 ,  回帰係数 ,  *ハイパースペクトル画像 ,  *スパース表現 , 【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 (3件)： スパース表現 ,  ハイパースペクトル画像 ,  超解像