文献

J-GLOBAL ID：202002251695968876   整理番号：20A0215966

非凸スパース性と低ランク正則化を用いたハイパースペクトル画像復元【JST・京大機械翻訳】

Hyperspectral Image Recovery Using Nonconvex Sparsity and Low-Rank Regularizations

著者 (4件)： Hu Yue (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Li Xiaodi (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Gu Yanfeng (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Jacob Mathews (Department of Electrical and Computer Engineering, University of Iowa, Iowa, IA, USA)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 58  号： 1  ページ： 532-545  発行年： 2020年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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)復元はHSIデータ解析における重要な前処理ステップであり,HSIのその後の応用のための画質を改善する。本論文では,HSI復元のための空間スペクトルパッチベースの非凸スパース性と低ランク正則化法を導入した。凸ペナルティまたは非凸スペクトルペナルティのみに基づく従来のアプローチとは対照的に,空間スペクトル領域におけるHSIのスパース性を考慮し,非凸低ランクペナルティと非凸三次元全変動(TV)様スパース性正則化を組み合わせて,HSIデータセットの空間スペクトル次元の相関を完全に利用した。さらに,対応する最適化問題を効果的に解くための高速反復可変分割ベースアルゴリズムを提案した。シミュレーションと実際のHSIデータセットの両方に関する数値実験は,提案した非凸低ランクとTV(非LRTV)方法が,最先端のアルゴリズムと比較して,回復した画像品質を著しく改善することを実証した。Copyright 2020 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： 最適化問題 ,  ペナルティ ,  凸形 ,  データ解析 ,  *正則化 ,  三次元 ,  アルゴリズム ,  スペクトル次元 ,  画質 ,  前処理 ,  *スペクトル
準シソーラス用語： 数値実験 ,  総変動 ,  *ハイパースペクトル画像 ,  *スパース性 , 【Automatic Indexing@JST】

分類 (2件)： リモートセンシング一般  (AD04000L) ,  レーダ  (ND13010H)

タイトルに関連する用語 (5件)： 凸 ,  スパース性 ,  正則化 ,  ハイパースペクトル画像 ,  復元