低ランク行列近似に基づくハイパースペクトル画像雑音除去フレームワークのための不確実性定量化【JST・京大機械翻訳】

Song Jingwei; Xia Shaobo; Wang Jun; Patel Mitesh; Chen Dong

プレプリント

J-GLOBAL ID：202202220455872230 整理番号：21P0029896

低ランク行列近似に基づくハイパースペクトル画像雑音除去フレームワークのための不確実性定量化【JST・京大機械翻訳】

Uncertainty Quantification for Hyperspectral Image Denoising Frameworks based on Low-rank Matrix Approximation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年04月22日プレプリントサーバーでの情報更新日： 2022年05月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

スライディングウィンドウベースの低ランク行列近似(LRMA)は,ハイパースペクトル画像(HSI)雑音除去または完了で広く使われている技術である。しかし,復元されたHSIの不確実性の定量化は今までに取り組まれていない。雑音除去HSIの正確な不確実性定量化は,これらの応用が入力データの統計的分布を記述する正確なアプローチを必要とするので,マルチソースまたはマルチスケールデータ融合,データ同化,および製品不確実性定量化のような応用を容易にする。従って,LRMAベースのHSI復元のための事前自由閉形式要素ワイズ不確実性定量化法を提案した。この閉形式アルゴリズムは,従来のLRMAプロセスで使用されるスライディングウィンドウ戦略によって引き起こされるHSIパッチ混合問題の困難さを克服する。提案した手法は,観察されたHSIの不確実性のみを必要とし,LRMA技術と同じ計算複雑性で,比較的迅速に不確実性結果を提供する。提案した閉形式不確実性手法の推定精度を検証するために,広範な実験を行った。この方法は,LRMAと比較して追加の処理時間の10~20%のコストで少なくとも10%のランダムインパルス雑音に対してロバストである。実験は,提案した閉形式不確実性定量化法が,計算上高価であるベースラインモンテカルロ試験よりも実世界アプリケーションに適用できることを示した。コードはアタッチメントで利用可能であり,本論文の受容後に放出される。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 医用画像処理

, , , , , ,

前のページに戻る