Hyperspectral Image Compression Using Implicit Neural Representation

要約

ハイパースペクトル画像は、あるシーンの画像内のピクセルについて電磁スペクトルを記録したもので、多くの場合、ピクセルあたり数百チャンネルを保存し、一般的な類似サイズのカラー画像よりも1桁多い情報を含んでいます。したがって、これらの画像の撮影コストの低下と同時に、ハイパースペクトル画像の保存、送信、および解析のための効率的な技術の開発が必要とされている。本論文では，陰的神経表現を用いたハイパースペクトル画像圧縮手法を開発する．陰的神経表現とは，与えられたハイパースペクトル画像$I$に対して，正弦波活性化関数を持つ多層パーセプトロンネットワーク$Phi_thetta$がピクセル位置とピクセル強度の対応を学習し，$Phi_thetta$がこの画像の圧縮符号化として機能することである．各ピクセル位置で$Phi_theta$を評価することにより、原画像を再構成する。本手法をIndian Pines, Cuprite, Pavia University, Jasper Ridgeの4つのベンチマークで評価した結果，提案手法は低ビットレートでJPEG, JPEG2000, PCA-DCT, HVECより優れた圧縮率を達成することが分かった．

要約(オリジナル)

Hyperspectral images, which record the electromagnetic spectrum for a pixel in the image of a scene, often store hundreds of channels per pixel and contain an order of magnitude more information than a typical similarly-sized color image. Consequently, concomitant with the decreasing cost of capturing these images, there is a need to develop efficient techniques for storing, transmitting, and analyzing hyperspectral images. This paper develops a method for hyperspectral image compression using implicit neural representations where a multilayer perceptron network $\Phi_\theta$ with sinusoidal activation functions “learns” to map pixel locations to pixel intensities for a given hyperspectral image $I$. $\Phi_\theta$ thus acts as a compressed encoding of this image. The original image is reconstructed by evaluating $\Phi_\theta$ at each pixel location. We have evaluated our method on four benchmarks — Indian Pines, Cuprite, Pavia University, and Jasper Ridge — and we show the proposed method achieves better compression than JPEG, JPEG2000, PCA-DCT, and HVEC at low bitrates.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL