グラフに基づく空間-スペクトル全変動によるハイパースペクトル画像復元

• Item type: SIG Technical Reports(1)
• 公開日: 2022-02-22
• タイトル: グラフに基づく空間-スペクトル全変動によるハイパースペクトル画像復元
• タイトル / 言語: en
• タイトル: Hyperspectral Image Denoising by Graph Spatio-Spectral Total Variation Minimization
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ポスターセッション1
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京工業大学情報理工学院
• 著者所属: 東京工業大学情報理工学院
• 著者所属: 東京工業大学情報理工学院
• 著者所属(英): en
• 著者所属(英): Hyperspectral Image Denoising by Graph Spatio-Spectral Total Variation Minimization
• 著者名: 竹本, 真悟; 長沼, 一輝; 小野, 峻佑
• 著者名(英): Shingo, Takemoto; Kazuki, Naganuma; Shunsuke, Ono
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，Graph Spatio-spectral Total Variation（Graph SSTV， GSSTV）に基づくハイパースペクトル（HS）画像の新しいノイズ除去法を提案する．SSTV は，HS 画像のスペクトル相関を適切に捉える強力な正則化アプローチとして，混合ノイズ除去を含め広く応用されている．しかし，SSTV は空間的な正則化として単に垂直・水平方向の差を評価するだけであるため，エッジやテクスチャが混在する HS 画像の複雑な空間構造を保持したノイズ除去を行うには不十分であると考えられる．この問題を解決するため，HS 画像の空間構造を明示的に反映したグラフに基づく重み付き空間差分作用素を SSTV に統合することで，GSSTV を確立する．まず，与えられたノイズの多い HS 画像の全バンドを平均化したノイズ低減グレースケール画像（ガイド画像）を生成し，ガイド画像からグラフを構築する． 次に，グラフを介して定義される空間差分作用素を用いて GSSTV を設計し，HS 画像のノイズ除去問題を，GSSTV を含む 凸最適化問題で定式化する．さらに，この問題を解くための効率的なアルゴリズムを，主-双対近接分離法に基づいて開発する．混合ノイズ除去の実験を通して，SSTV を含む既存の HS 画像正則化モデルと比較し，GSSTV の有効性を実証する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We propose a novel denoising method for hyperspectral images (HSI) based on the Graph Spatio-Spectral Total Variation (GSSTV) model. The Spatio-Spectral Total Variation (SSTV) model has been widely applied, including mixed noise removal, as a powerful regularization approach that adequately captures the spectral structure of HSIs. However, since SSTV merely evaluates the vertical and horizontal differences as spatial regularization, it is insufficient for denoising that preserves the complex spatial structure of remotely sensed HSIs with mixed edges and textures. To resolve this issue, we establish GSSTV by integrating into SSTV a weighted spatial difference operator based on a graph that explicitly reflects the spatial structure of the target HSI. First, a noise-reduced grayscale image (guide image) is generated by averaging all the bands of a given noisy HSI, and construct the graph from the guide image. Next, we design GSSTV using the spatial difference operator defined by the graph and formulate the HSI denoising problem as a convex optimization problem involving GSSTV. Furthermore, we develop an efficient algorithm for solving the problem based on a primal-dual splitting method. We demonstrate the effectiveness of GSSTV against existing HSI regularization models, including SSTV, through mixed noise removal experiments.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10442647
• 書誌情報: 研究報告音声言語情報処理（SLP）; 巻 2022-SLP-140, 号 7, p. 1-6, 発行日 2022-02-22
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8663
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会