文献

J-GLOBAL ID：202202215595488502   整理番号：22A0457193

低ランク表現とCNN雑音除去によるハイパースペクトル画像雑音除去【JST・京大機械翻訳】

Hyperspectral Image Denoising via Low-Rank Representation and CNN Denoiser

著者 (6件)： Sun Hezhi (Research Center of Satellite Technology, Harbin Institute of Technology, Harbin, China) ,  Liu Ming (Research Center of Satellite Technology, Harbin Institute of Technology, Harbin, China) ,  Zheng Ke (Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Yang Dong (Chinese Academy of Sciences, Beijing, China) ,  Li Jindong (Chinese Academy of Sciences, Beijing, China) ,  Gao Lianru (Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 15  ページ： 716-728  発行年： 2022年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  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)は,地球観測やターゲット検出のような様々なタスクで広く使われている。しかし,イメージングプロセスの間,HSIは様々なノイズによってしばしば崩壊する。本論文では,まず,HSI雑音除去タスクに対する従来の物理的復元モデルおよび雑音除去畳込みニューラルネットワーク(CNN)の利点を検討した。スパースベースの低ランク表現は,空間とスペクトル領域の両方で大域的相関を探索でき,CNNベースの雑音除去器は,従来の復元モデルによって設計できない深い事前を表現できる。次に,著者らは,2つの方法の利点を結合することによって,柔軟で拡張可能なプラグアンドプレイフレームワークにおいて,低ランク表現とCNN雑音除去器を有するHSI雑音除去モデルを提案した。提案モデルは,再訓練を必要としないユーザフレンドリーである。模擬データ実験は,競合法と比較して,提案したものが,様々な定量的評価指標において,付加的Gauss雑音とPoisson雑音の両方に対して,より良い雑音除去結果を達成することを示した。実データ実験は,提案モデルが最良の性能をもたらすことを示した。Copyright 2022 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： *雑音 ,  Gauss雑音 ,  画像処理 ,  *スペクトル ,  *雑音除去
準シソーラス用語： *ハイパースペクトル ,  ユーザフレンドリ性 ,  *ハイパースペクトル画像 ,  定量的評価 ,  ターゲット検出 ,  地球観測 ,  *画像雑音除去 ,  ポアソン雑音 ,  畳込みニューラルネットワーク , 【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 (4件)： 表現 ,  CNN ,  雑音除去 ,  ハイパースペクトル画像