ハイパースペクトル圧縮スナップショット再構成のための教師なし空間スペクトルネットワーク学習【JST・京大機械翻訳】

Sun Yubao; Yang Ying; Liu Qingshan; Kankanhalli Mohan

プレプリント

J-GLOBAL ID：202202221365965570 整理番号：21P0070290

ハイパースペクトル圧縮スナップショット再構成のための教師なし空間スペクトルネットワーク学習【JST・京大機械翻訳】

Unsupervised Spatial-spectral Network Learning for Hyperspectral Compressive Snapshot Reconstruction

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 (4件)： , , ,
資料名：
発行年： 2020年12月18日プレプリントサーバーでの情報更新日： 2021年07月31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)

超スペクトル圧縮イメージングは,時間走査なしで符号化開口スナップショット測定を達成するために圧縮センシング理論を利用して,全体の三次元空間スペクトルデータを単一積分期間の間に二次元投影によって捕捉した。そのコア問題は,圧縮センシング再構成アルゴリズムを用いて,基礎となるハイパースペクトル画像を再構成する方法である。異なるスペクトルイメージング装置のスペクトル応答特性と波長領域の多様性により,以前の研究は複雑なスペクトル変動を捉えるか,または新しいハイパースペクトルイメージャへの適応容量を欠いているのにしばしば不適切である。これらの問題に取り組むために,圧縮スナップショット測定からのみハイパースペクトル画像を再構成するための教師なし空間スペクトルネットワークを提案した。提案したネットワークは,スナップショット測定に条件付けされた条件付き生成モデルとして作用し,ハイパースペクトル画像の共同空間スペクトル相関を捉えるために空間スペクトル注意モジュールを利用する。ネットワークパラメータを最適化して,ネットワーク出力が画像モデルに従って与えられたスナップショット測定に密接に整合することを確実にし,その結果,提案したネットワークは異なる画像設定に適応でき,ネットワークの適用性を本質的に強化できる。多重データセットに関する大規模な実験は,著者らのネットワークが最先端の方法より良い再構成結果を達成できることを証明した。【JST・京大機械翻訳】

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

図形・画像処理一般

, , , , ,

前のページに戻る