| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-03-01 09:20 ［ポスター講演］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 ○竹本真悟・長沼一輝・小野峻佑（東工大）  EA2021-70 SIP2021-97 SP2021-55 |
|
| 抄録 | （和） | 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． |
| （英） | 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. |
|
| キーワード | （和） | ハイパースペクトル画像 / 全変動 / グラフ信号処理 / / / / / |
| （英） | Hyperspectral image / total variation / graph signal processing / / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 384, SIP2021-97, pp. 38-43, 2022年3月. | |
| 資料番号 | SIP2021-97 | |
| 発行日 | 2022-02-22 (EA, SIP, SP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EA2021-70 SIP2021-97 SP2021-55 |
|
| 研究会情報 | |
| 研究会 | EA SIP SP IPSJ-SLP |
| 開催期間 | 2022-03-01 - 2022-03-02 |
| 開催地（和） | 沖縄県立博物館・美術館 |
| 開催地（英） | |
| テーマ（和） | 応用／電気音響, 信号処理，音声，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2022-03-EA-SIP-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 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 |
| サブタイトル（和） | |
| タイトル（英） | Hyperspectral Image Denoising by Graph Spatio-Spectral Total Variation Minimization |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ハイパースペクトル画像 / Hyperspectral image |
| キーワード(2)（和/英） | 全変動 / total variation |
| キーワード(3)（和/英） | グラフ信号処理 / graph signal processing |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 竹本 真悟 / Shingo Takemoto / タケモト シンゴ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第2著者 氏名（和/英/ヨミ） | 長沼 一輝 / Kazuki Naganuma / ナガヌマ カズキ |
| 第2著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第3著者 氏名（和/英/ヨミ） | 小野 峻佑 / Shunsuke Ono / オノ シュンスケ |
| 第3著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-01 09:20:00 |
| 発表時間 | 120分 |
| 申込先研究会 | SIP |
| 資料番号 | EA2021-70, SIP2021-97, SP2021-55 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.383(EA), no.384(SIP), no.385(SP) |
| ページ範囲 | pp.38-43 |
| ページ数 | 6 |
| 発行日 | 2022-02-22 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]