Mar, 2024

超级彩色化：传播稀疏空间噪声光谱线索，重建高光谱图像

PDF
TL;DR从灰度引导图像和空间稀疏光谱线索中重构高光谱图像的上色算法，在低秩空间中上色可以减少计算时间和快门噪声的影响，以提高鲁棒性，并超过以往算法在多种性能指标方面，包括 SSIM、PSNR、GFC 和 EMD，这些结果为克服时间 - 空间 - 波长分辨率权衡提供了一种有希望的途径。
发现论文，激发创造
  • 基于敌对网络的 RGB 空间上下文感知光谱图像重建

    本文提出了一种基于生成对抗网络的图像到图像映射方法，用于超光谱自然图像重建，经过定量评估，相对均方根误差降低了 54.0%。

    Sep, 2017

  • 高光谱图像获取的广义修补方法

    文中介绍了一种利用单体集成光谱滤光片的高光谱成像设备，提出了一种基于压缩感知和分析稀疏模型的超分辨率处理和去马赛克的方法，并通过数值实验验证其效率。

    Feb, 2015

  • 利用高斯过程从 RGB 图像恢复高光谱信息

    该研究提出一种使用高斯过程和自然光谱相结合的方法，从已知光谱量化的 RGB 图像中恢复光谱细节，通过对具有空间和光谱相关性的高光谱训练补丁聚类，匹配和编码 RGB 图像的补丁来实现，数个高光谱数据集的实验表明该技术对 RGB 图像的光谱细节提取有效。

    Jan, 2018

  • 高光谱文件图像的盲去模糊

    本研究提出了针对文档图像的新型盲式高光谱图像去模糊方法，它利用高光谱图像的低秩属性和文本优化图像先验来进行 PSF 估计和去模糊。初步结果表明，该方法在所有光谱带上都可以得到良好的结果，成功地消除了模糊和噪声引起的图像伪影，并显著增加了可以用于进一步分析的波段数。

    Mar, 2023

  • 学习的光谱超分辨率

    使用卷积神经网络 (CNN) 的最佳实践完成从 RGB 图像到对应大小的高光谱图像的直接映射，实现了超分辨率的高光谱成像，优于现有技术水平。

    Mar, 2017

  • 基于数据驱动的光谱重建的局限性 -- 一种光学感知分析

    通过对 RGB 图像进行数据驱动的光谱重建方法的分析，我们发现当前模型在噪声、压缩和变色上存在限制，然而，通过异色数据增强和光学镜头像差可以提高 RGB 图像对色差信息的编码，从而带来更高性能的光谱成像和重建方法。

    Jan, 2024

  • 多源融合合成高光谱数据集的高光谱空间分辨率提升

    本研究介绍了一个合成高光谱数据集，通过高光谱和高空间分辨率成像实现观测场景或物体的全面、准确、详细的表示，强调多模态融合在生成高质量合成高光谱数据集中的重要性，以及光谱 - 空间关系的改善对于各个领域的分析、监测和决策的影响。

    Jun, 2023

  • 学习空间光谱先验用于高光谱图像超分辨率

    本文提出一种基于深度卷积神经网络的单高光谱图像超分辨率重建方法，引入了空间 - 光谱先验网络 (SSPN) 来充分利用高光谱数据的空间信息和光谱相关性，通过组卷积和逐步上采样框架来提高稳定性和效率，并设计了空间 - 光谱块 (SSB) 来提取更丰富的特征信息，实验结果表明，所提出的 SSPSR 方法可以增强恢复的高分辨率高光谱图像的细节，且优于现有方法。

    May, 2020

  • 多光谱立体影像融合用于 3D 高光谱场景重建

    通过将两个校准的多光谱实时摄像机结合成一个立体系统，我们提出了一种新方法来连续捕捉高光谱数据立方体，实现三维重建和光谱分析，以提高空间分辨率和光谱分辨率的视频流，旨在用于手术辅助监控。

    Dec, 2023

  • 一种 SAR 彩色化的基准化协议：从回归到深度学习方法

    我们提出了一个以有监督学习为基础的合成孔径雷达图像 SAR 彩色化研究线路，包括生成合成彩色 SAR 图像的协议、几个基线模型以及基于条件生成对抗网络 (cGAN) 的 SAR 彩色化有效方法。我们还提出了问题的数值评估指标。据我们所知，这是首次尝试提出一个包括协议、基准测试和完整性能评估的 SAR 彩色化研究线路。我们广泛的测试表明，我们提出的基于 cGAN 的网络在 SAR 彩色化方面具有有效性。代码将公开发布。

    Oct, 2023