普雷沃斯特,Clémence;里卡多·博尔索(Ricardo A.Borsoi)。;康斯坦丁·乌塞维奇;大卫·布里;何塞·C·M·百慕大。;Richard,塞德里克 解释光谱可变性的高光谱超分辨率:基于耦合张量LL1的未知超分辨率图像恢复和盲解混。 (英语) Zbl 1524.68425号 SIAM J.成像科学。 15,第1期,110-138(2022). 摘要:在本文中,我们建议使用耦合的LL1块传感器分解来联合解决高光谱超分辨率问题和底层超分辨率图像的分解问题。我们考虑观察到的低分辨率图像之间发生的光谱变化现象。提供了图像和混合因子的精确恢复条件。我们提出了两种算法,一种是无约束算法,另一种是受非负约束的算法,来解决当前的问题。我们展示了该方法在合成图像和真实图像上的性能。 引用于1文件 MSC公司: 68单位10 图像处理的计算方法 关键词:高光谱超分辨率;光谱可变性;高光谱分解;图像融合;张量分解 软件:坦索拉布 PDF格式BibTeX公司 XML格式引用 \textit{C.Prévost}等人,SIAM J.成像科学。15,编号1,110--138(2022;Zbl 1524.68425) 全文: 内政部 参考文献: [1] B.Aiazzi、L.Alparone、S.Baronti、A.Garzelli和M.Selva,MTF-高分辨率MS和Pan图像的多尺度融合,摄影。《工程遥感》,72(2006),第591-596页。 [2] J.M.Bioucas-Dias和J.P.Nascimento,高光谱子空间识别,IEEE Trans。地质科学。《遥感》,46(2008),第2435-2445页。 [3] J.M.Bioucas-Dias、A.Plaza、N.Dobigeon、M.Parente、Q.Du、P.Gader和J.Chanussot,高光谱分解概述:几何、统计和稀疏回归方法,IEEE J.Sel。主题应用。地球观测站。《遥感》,第5期(2012年),第354-379页。 [4] R.A.Borsoi、T.Imbiriba和J.M.Bermudez,考虑季节性光谱变化的高光谱和多光谱图像融合的超分辨率,IEEE Trans。图像处理。,29(2020),第116-127页·Zbl 07585865号 [5] R.A.Borsoi、T.Imbiriba、J.M.Bermudez、C.Richard、J.Chanussot、L.Drumetz、J.-Y.Tourneret、A.Zare和C.Jutten,《高光谱数据未混合的光谱变异性:综合综述》,预印本,https://arxiv.org/abs/2001.07307, 2020. [6] R.A.Borsoi、C.Prévost、K.Usevich、D.Brie、J.M.Bermudez和C.Richard,具有图像间可变性的高光谱和多光谱图像融合的耦合张量分解,IEEE J.Sel。顶部。信号处理。,15(2021年),第702-717页。 [7] M.Bousse、O.Debals和L.De Lathauwer,使用分段进行大规模盲源分离的基于张量的方法,IEEE Trans。信号处理。,65(2016),第346-358页·Zbl 1414.94086号 [8] G.Boutry、M.Elad、G.H.Golub和P.Milanfar,使用最小摄动方法的非方形铅笔的广义特征值问题,SIAM J.矩阵分析。申请。,27(2005),第582-601页,https://doi.org/10.1137/S0895479803428795。 ·Zbl 1100.65035号 [9] S.Boyd、N.Parikh和E.Chu,《通过乘数的交替方向方法进行分布式优化和统计学习》,现出版公司,马萨诸塞州诺威尔,2011年·Zbl 1229.90122号 [10] P.Comon,Tensors:简介,IEEE信号处理。Mag.,31(2014),第44-53页。 [11] L.De Lathauwer,块项中高阶张量的分解——第一部分:分块矩阵的引理,SIAM J.矩阵分析。申请。,30(2008),第1022-1032页,https://doi.org/10.1137/060661685。 ·Zbl 1177.15031号 [12] L.De Lathauwer,块项中高阶张量的分解——第二部分:定义和唯一性,SIAM J.矩阵分析。申请。,30(2008),第1033-1066页,https://doi.org/10.1137/070690729。 ·Zbl 1177.15032号 [13] M.Ding,X.Fu,T.-Z.Huang,J.Wang,X.-L.Zhao,通过可解释的块项张量建模实现超光谱超分辨率,预印本,https://arxiv.org/abs/2006.10248, 2020. [14] D.Donoho和V.Stodden,非负矩阵因式分解何时给出正确的分解?,《神经信息处理系统进展》,麻省理工学院出版社,马萨诸塞州剑桥,2004年,第1141-1148页。 [15] A.Eckardt、J.Horack、F.Lehmann、D.Krutz、J.Drescher、M.Whorton和M.Soutullo,DESIS(用于ISS-mus平台的DLR地球传感成像光谱仪),2015年IEEE IGARSS,2015年,第1457-1459页。 [16] M.Elad、P.Milanfar和G.H.Golub,《从矩看形状——估算理论的视角》,IEEE Trans。信号处理。,52(2004),第1814-1829页·Zbl 1369.62145号 [17] I.V.Emelyanova、T.R.McVicar、T.G.Van Niel、L.T.Li和A.M.Van Dijk,《利用对比的时空动态评估两种景观中陆地卫星-MODIS表面反射率混合的准确性:算法选择框架》,遥感环境。,133(2013),第193-209页。 [18] X.Fu,K.Huang和N.D.Sidiropoulos,关于非负矩阵分解的可识别性,IEEE信号处理。莱特。,25(2018),第328-332页。 [19] X.Fu、W.-K.Ma、T.-H.Chan和J.M.Bioucas-Dias,用于高光谱分解的自字典稀疏回归:贪婪追求和纯像素搜索是相关的,IEEE J.Sel。顶部。信号处理。,9(2015),第1128-1141页。 [20] X.Fu,W.-K.Ma,K.Huang和N.D.Sidiropoulos,准平稳源的盲分离:利用协方差域中的凸几何,IEEE Trans。信号处理。,63(2015),第2306-2320页·Zbl 1394.94194号 [21] N.Gillis和F.Glineur,非负矩阵分解的加速乘法更新和层次als算法,神经计算。,24(2012),第1085-1105页。 [22] T.Hilker、M.A.Wulder、N.C.Coops、J.Linke、G.McDermid、J.G.Masek、F.Gao和J.C.White,基于陆地卫星和MODIS的森林扰动高时空分辨率制图的新数据融合模型,遥感环境。,113(2009),第1613-1627页。 [23] K.Huang、N.D.Sidiropoulos和A.P.Liavas,约束矩阵和张量因子分解的灵活高效算法框架,IEEE Trans。信号处理。,64(2016),第5052-5065页·Zbl 1414.94253号 [24] K.Huang,N.D.Sidiropoulos和A.Swami,《重访非负矩阵分解:对称分解的唯一性和算法》,IEEE Trans。信号处理。,62(2013),第211-224页·Zbl 1393.15016号 [25] T.Imbiriba、R.A.Borsoi和J.M.Bermudez,《考虑端元可变性的广义线性混合模型》,2018年IEEE ICASSP,2018年,第1862-1866页。 [26] M.-D.Iordache、J.M.Bioucas-Dias和A.Plaza,高光谱数据稀疏分解,IEEE Trans。地质科学。《遥感》,49(2011),第2014-2039页。 [27] C.I.Kanatsoulis、X.Fu、N.D.Sidiropoulos和W.-K.Ma,高光谱超分辨率:耦合张量因子分解方法,IEEE Trans。信号处理。,66(2018),第6503-6517页·Zbl 1415.94026号 [28] C.I.Kanatsoulis、X.Fu、N.D.Sidiropoulos和W.-K.Ma,高光谱超分辨率:结合低秩张量和矩阵结构,收录于2018年IEEE ICIP,2018年,第3318-3322页,https://doi.org/10.109/ICIP.2018.8451733。 [29] H.Kaufmann、K.Segl、S.Chabrillat、S.Hofer、T.Stuffler、A.Mueller、R.Richter、G.Schreier、R.Haydn和H.Bach,《环境制图和分析用高光谱传感器EnMAP》,2006年IEEE IGARSS,2006年,第1617-1619页。 [30] N.Keshava和J.F.Mustard,光谱分解,IEEE信号处理。Mag.,19(2002),第44-57页。 [31] T.G.Kolda和B.W.Bader,张量分解和应用,SIAM Rev.,51(2009),第455-500页,https://doi.org/10.1137/07070111X。 ·Zbl 1173.65029号 [32] H.Laurberg、M.G.Christensen、M.D.Plumbley、L.K.Hansen和S.H.Jensen,正数据定理:关于NMF的唯一性,计算。智力。神经科学。,(2008), https://doi.org/10.1155/2008/764206。 [33] Q.Li,W.-K.Ma和Q.Wu,《高光谱超分辨率:多项式时间的精确恢复》,2018年IEEE SSP,2018年,第378-382页。 [34] H.Liu、R.Wu和W.-K.Ma,耦合结构矩阵分解对高光谱超分辨率有恢复保证吗?,2019年IEEE CAMSAP,2019,第480-484页。 [35] J.Nascimento和J.Dias,顶点分量分析:高光谱数据分解的快速算法,IEEE Geosci。遥感快报。,43(2005),第898-910页。 [36] L.Nus,Meöthodes rapides de traitement d'images高光谱图像。法国洛林大学博士论文,2019年。 [37] M.Parente和A.Plaza,高光谱图像的几何和统计分解算法综述,第二届IEEE高光谱图像和信号处理研讨会:遥感发展,2010年,第1-4页。 [38] C.Preívost、K.Usevich、P.Comon和D.Brie,耦合Tucker近似的超光谱超分辨率:可识别性和基于SVD的算法,IEEE Trans。信号处理。,68(2020年),第931-946页·Zbl 07590800号 [39] Y.Qian,F.Xiong,S.Zeng,J.Zhou,Y.Tang,用于高光谱图像盲解混的矩阵向量非负张量分解,IEEE Trans。地质科学。《遥感》,第55期(2016年),第1776-1792页。 [40] R.E.Roger和J.F.Arnold,《可靠估计AVIRIS高光谱图像中的噪声》,《国际遥感杂志》,17(1996),第1951-1962页。 [41] G.A.Shaw和H.K.Burke,《遥感光谱成像》,林肯出版社。《实验室期刊》,14(2003),第3-28页。 [42] M.Simoes、J.M.Bioucas-Dias、L.B.Almeida和J.Chanussot,通过基于子空间的正则化实现高光谱图像超分辨率的凸公式,IEEE Trans。地质科学。《遥感》,53(2015),第3373-3388页。 [43] V.Simoncini,线性矩阵方程的计算方法,SIAM Rev.,58(2016),第377-441页,https://doi.org/10.1137/10912839。 ·Zbl 1386.65124号 [44] B.Somers、G.P.Asner、L.Tits和P.Coppin,光谱混合物分析中的端元变异:综述,遥感环境。,115(2011),第1603-1616页。 [45] M.Sörensen和L.De Lathauwer,标准多元分解的光纤采样方法和张量补全的应用,SIAM J.矩阵分析。申请。,40(2019年),第888-917页,https://doi.org/10.1137/17M1140790。 ·Zbl 1458.15045号 [46] N.Vervliet、O.Debals、L.Sorber、M.V.Barel和L.D.Lathauwer,Tensorlab 3.0,https://www.tensorlab.net网站/, 2016. [47] L.Wald、T.Ranchin和M.Mangolini,不同空间分辨率卫星图像的融合:评估结果图像的质量,照片。《工程遥感》,63(1997),第691-699页。 [48] Q.Wei、J.M.Bioucas-Dias、N.Dobigeon和J.Y.Tourneret,基于光谱分解的多波段图像融合,IEEE Trans。地质科学。《遥感》,54(2016),第7236-7249页。 [49] Q.Wei、N.Dobigeon和J.-Y.Tourneret,基于求解Sylvester方程的多波段图像快速融合,IEEE Trans。图像处理。,24(2015),第4109-4121页·Zbl 1408.94706号 [50] N.Yokoya、C.Grohnfeldt和J.Chanussot,高光谱和多光谱数据融合:最新文献的比较综述,IEEE Trans。地质科学。远程传感器,5(2017),第29-56页。 [51] N.Yokoya、T.Yairi和A.Iwasaki,用于高光谱和多光谱数据融合的耦合非负矩阵分解分解,IEEE Trans。地质科学。《遥感》,50(2012),第528-537页,https://doi.org/10.1109/TGRS.2011.2161320。 [52] A.Zare和K.C.Ho,高光谱分析中的端元可变性:解决光谱分解过程中的光谱可变性,IEEE信号处理。Mag.,31(2013),第95-104页。 [53] G.Zhang、X.Fu、K.Huang和J.Wang,高光谱超分辨率:耦合非负块项张量分解方法,2019年IEEE CAMSAP,西印度群岛瓜德罗普,2019。 [54] G.Zhang,X.Fu,J.Wang,X.-L.Zhao,M.Hong,通过耦合块项张量分解的光谱制图,IEEE Trans。信号处理。,68(2020),第3660-3675页·Zbl 07590991号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。