文献

J-GLOBAL ID：201802270253751688   整理番号：18A1771359

結合テンソル因子分解によるハイパースペクトル超解像:同定可能性とアルゴリズム【JST・京大機械翻訳】

Hyperspectral Super-Resolution Via Coupled Tensor Factorization: Identifiability and Algorithms

著者 (4件)： Kanatsoulis Charilaos I. (Department of ECE, University of Minnesota, Minneapolis, MN, USA) ,  Fu Xiao (School of EECS, Oregon State University, Corvallis, OR, USA) ,  Sidiropoulos Nicholas D. (Department of ECE, University of Virginia, Charlottesville, VA, USA) ,  Ma Wing-Kin (Departrnem of EE, The Chinese University of Hong Kong, Shatin, NT, Hong Kong)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 3191-3195  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： 本研究は,ハイパースペクトル画像(HSI)と多重スペクトル画像(MSI)を融合する問題に焦点を合わせて,高い空間とスペクトル分解能を許容する超解像画像を生成した。既存のアルゴリズムは,主に,行列化HSIとMSIの結合低ランク因数分解に基づいている。このフレームワークはある程度有効であるが,いくつかの課題が残っている。最初に,超解像度画像がこのフレームワークの下で理論において同定可能であるかどうかは不明であるが,同定可能性はそのような推定問題において通常重要な役割を果たす。第二に,ほとんどのアルゴリズムは,超解像画像からHSIとMSIへの劣化演算子が知られているか,または実際にはほとんど真実ではないと推定できると仮定している。本研究では,これらの問題を効果的に回避できる新しい結合テンソル分解法を提案した。提案した手法は,現実的な条件下で超解像画像の同定可能性を保証する。この方法は,実際に正確に推定することが困難な空間分解演算子を知ることなく,動作することができる。AVIRIS Cupriteデータを用いたシミュレーションを用いて,提案した手法の有効性を実証した。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： *アルゴリズム ,  *テンソル ,  因数分解 ,  画像 ,  スペクトル分解 ,  *超解像
準シソーラス用語： *ハイパースペクトル ,  *因子分解 ,  ハイパースペクトル画像 ,  マルチスペクトル画像 ,  AVIRIS ,  テンソル分解 , 【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 (5件)： テンソル ,  因子分解 ,  ハイパースペクトル ,  超解像 ,  アルゴリズム