ハイパースペクトル画像雑音除去のためのウェーブレットで可能になった畳込みオートエンコーダベースの深層ニューラルネットワーク【JST・京大機械翻訳】

Paul Arati; Kundu Ahana; Chaki Nabendu; Dutta Dibyendu; Jha C. S.

文献

J-GLOBAL ID：202202284142402975 整理番号：22A0623575

ハイパースペクトル画像雑音除去のためのウェーブレットで可能になった畳込みオートエンコーダベースの深層ニューラルネットワーク【JST・京大機械翻訳】

Wavelet enabled convolutional autoencoder based deep neural network for hyperspectral image denoising

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0623575&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0623575&from=J-GLOBAL&jstjournalNo=W1102A") }}

著者 (5件)： , , , ,
資料名：
巻： 81 号： 2 ページ： 2529-2555 発行年： 2022年
JST資料番号： W1102A ISSN： 1380-7501 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

ハイパースペクトル画像(HSI)の雑音除去は,その解析と解釈の性能を高めるために重要な前処理ステップである。現実に,遠隔感知HSIは,異なる源からの擾乱を経験し,従って,多重雑音タイプによって影響を受ける。しかし,既存の雑音除去法のほとんどは,それらの混合効果を無視する単一雑音タイプの除去に集中している。したがって,特定のノイズタイプのために開発された方法は,他のノイズタイプのために十分に実行しなかった。この限界に対処するために,ここでは,その組合せを含むHSIから複数の頻繁に遭遇する雑音パターンを効果的に除去する雑音除去法を提案した。提案した二重分枝深層ニューラルネットワークベースのアーキテクチャは,ウェーブレット変換バンド上で動作する。ネットワークの最初の分岐は,局所および大域的雑音特徴を抽出するための残差学習と深い畳込みスキップ接続層を使用する。第2の分岐は,画像から突出した雑音特徴を抽出するために,各層における反復畳込みを実行するサブピクセルアップサンプリングと共に層状オートエンコーダを含む。2つのハイパースペクトルデータセットを用いて,Gauss,ストライプ,および混合雑音の雑音除去のための提案方法の性能を評価する。実験結果は,PSNR36.74,SSIM0.97および全体精度94.03%を有する他の最先端の雑音除去法と比較して,提案したネットワークの優れた性能を実証した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

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

著者キーワード (5件)： , , , ,

図形・画像処理一般

, , , , ,

前のページに戻る