文献

J-GLOBAL ID：202102245115237927   整理番号：21A2453881

生成ニューラルネットワークによる学習ベースハイパースペクトル画像圧縮【JST・京大機械翻訳】

Learning-Based Hyperspectral Imagery Compression through Generative Neural Networks

著者 (3件)： Deng Chubo ,  Cen Yi ,  Zhang Lifu
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 21  ページ： 3657  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 狭いスペクトルバンド(10nm以上)に対して豊富なスペクトル情報を得るハイパースペクトル画像(HSI)は,地球を定性的および定量的に感知する能力を大きく改善した。HSIは,非常に多数の波長にわたって高分解能機器によって収集されるので,そのようなセンサによって生成されたデータは莫大なものであり,データの量は成長し続け,HSI圧縮技術はこの傾向においてより重要な役割を果たす。HSI圧縮の古典的方法は,三次元ウェーブレットベース技術または主成分分析(PCA)変換のような圧縮および再構成法を通している。本論文では,ランダム潜在符号から実データの確率分布を学習する,生成ニューラルネットワーク(GNN)によるHSI圧縮の代替アプローチを提案した。これは,一群の密度を定義し,このファミリーと実際のデータ分布の間の距離を最小化することにより達成される。次に,よく訓練されたニューラルネットワークはHSIの表現であり,圧縮比はGNNの複雑性によって決定される。さらに,潜在符号は,ランダム分布を有する数字を埋め込むことによって暗号化することができ,それにより,符号秘密を作った。実験例を提示して,HSIの分野における画像圧縮問題を解決するGNNの可能性を実証した。他のアルゴリズムと比較して,それは高い圧縮比においてより良い性能を有して,深い学習技術の急速な発展とともに改良のためにまだ多くの余地があった。Copyright 2021 The Author(s) 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 ,  *学習 ,  地球 ,  *ニューラルネットワーク ,  確率分布 ,  波長 ,  *スペクトル ,  *画像圧縮 ,  三次元 ,  主成分分析 ,  高分解能 ,  スペクトルバンド
準シソーラス用語： *ハイパースペクトル ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： 圧縮センシング ,  生成ニューラルネットワーク ,  ハイパースペクトル ,  特徴削減

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (35件)：

• Babu, K.S.; Ramachandran, V.; Thyagharajan, K.K.; Santhosh, G. Hyperspectral image compression algorithms-A review. Adv. Intell. Syst. Comput. 2015, 325, 127-138.
• Babu, K.S.; Ramachandran, V.; Thyagharajan, K.K.; Cheng, K.; Dill, J. Lossless to Lossy Dual-Tree BEZW Compression for Hyperspectral Images. IEEE Trans. Geosci. Remote Sens. 2014, 52, 5765-5770.
• Wang, L.; Wu, J.; Jiao, L.; Shi, G. Lossy-to-Lossless Hyperspectral Image Compression Based on Multiplierless Reversible Integer TDLT/KLT. IEEE Geosci. Remote Sens. Lett. 2009, 6, 587-591.
• Huang, H.; Shi, G.; He, H.; Duan, Y.; Luo, F. Dimensionality reduction of hyperspectral imagery based on spatial-spectral manifold learning. IEEE Trans. Cybernetics 2019, 50, 2604-2616.
• Jimenez, L.O.; Landgrebe, D.A. Hyperspectral data analysis and supervised feature reduction via projection pursuit. IEEE Trans. Geosci. Remote Sens. 1999, 37, 2653-2667.

タイトルに関連する用語 (3件)： ニューラルネットワーク ,  学習 ,  ハイパースペクトル画像