文献

J-GLOBAL ID：202102290589815616   整理番号：21A0669905

限定画素対ピクセルマルチスペクトルとハイパースペクトルデータを用いたスペクトル強調のための局所線形再構成【JST・京大機械翻訳】

Locally Linear Reconstruction for Spectral Enhancement Using Limited Pixel-to-Pixel Multispectral and Hyperspectral Data

著者 (4件)： Hong Danfeng (Remote Sensing Technology Institute (IMF), German Aerospace Center (DLR),Wessling,Germany) ,  Yao Jing (Remote Sensing Technology Institute (IMF), German Aerospace Center (DLR),Wessling,Germany) ,  Hang Renlong (School of Automation, Nanjing University of Information Science and Technology,Nanjing,China) ,  Chanussot Jocelyn (Univ. Grenoble Alpes, INRIA, CNRS, Grenoble INP, LJK,Grenoble,France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IGARSS  ページ： 2691-2694  発行年： 2020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： 最近,マルチスペクトル画像のスペクトル増強がリモートセンシング(RS)コミュニティにおける関心を高めている。事前知識なしで,このタスクは逆問題において高度に不良条件である。この目的のために,部分重複ハイパースペクトルデータを用いてマルチスペクトル画像(MSI)をスペクトル的に増強するために,局所線形再構成(LLR)と呼ばれる簡単で効果的な方法を開発した。LLRは,MSIから各画素の再構成係数を学習し,同じ重みを共有して,より大きなカバレッジにわたって未知のハイパースペクトル信号を回復する。著者らは,いくつかの最先端のベースラインと比較して,実際のハイパースペクトルデータに関する提案LLRの性能を検証し,その有効性と優位性を実証した。Copyright 2021 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： コミュニティ ,  *スペクトル ,  *画素 ,  リモートセンシング ,  再構成 ,  線形性 ,  逆問題 ,  基準線 ,  有効性
準シソーラス用語： 事前知識 ,  *ハイパースペクトル ,  マルチスペクトル画像 ,  *ハイパースペクトルデータ , 【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 (7件)： 画素 ,  ピクセル ,  マルチスペクトル ,  ハイパースペクトルデータ ,  スペクトル ,  線形 ,  再構成