Low-Light Hyperspectral Image Enhancement

要約

照明条件が悪いとハイパースペクトルカメラセンサーが取り込むエネルギーが不足するため，低照度ハイパースペクトル画像（HSI）は通常，低い視認性，スペクトル歪み，および様々なノイズに悩まされる．様々なHSI復元法が開発されているが、低照度HSIを強化する効果は限定的である。本研究では、暗い部分に隠された空間スペクトル情報を明らかにすることを目的とした低照度HSIの強調タスクに焦点を当てる。低照度HSI処理の開発を促進するために、我々は屋内と屋外の両方のシーンの低照度HSI（LHSI）データセットを収集する。ラプラシアンピラミッドの分解と再構成に基づき、LHSIデータセットに学習させたエンドツーエンドのデータ駆動型低照度HSI強調（HSIE）アプローチを開発した。照明がHSIの低周波成分に関連し、テクスチャーの詳細が高周波成分に密接に関連しているという観察に基づき、提案するHSIEは2つのブランチを持つように設計されている。照明強調ブランチは、解像度が低下した低周波成分を明るくするために採用されています。一方、高周波数成分は、予測されたマスクにより精緻化されます。さらに、情報の流れを改善し、性能を向上させるために、残差密接続を持つ効果的なチャネルアテンションブロック（CAB）を導入し、照明強調ブランチの基本ブロックとして機能させる。HSIEの有効性と効率は、定量的評価指標と視覚効果の両方において、LHSIデータセットに対する実験結果によって実証された。リモートセンシングのIndian Pinesデータセットでの分類性能によると、下流タスクは強化されたHSIから恩恵を受ける。データセットとコードが利用可能です。\Όταμμα ταμμα ταμμα ταμμα

要約(オリジナル)

Due to inadequate energy captured by the hyperspectral camera sensor in poor illumination conditions, low-light hyperspectral images (HSIs) usually suffer from low visibility, spectral distortion, and various noises. A range of HSI restoration methods have been developed, yet their effectiveness in enhancing low-light HSIs is constrained. This work focuses on the low-light HSI enhancement task, which aims to reveal the spatial-spectral information hidden in darkened areas. To facilitate the development of low-light HSI processing, we collect a low-light HSI (LHSI) dataset of both indoor and outdoor scenes. Based on Laplacian pyramid decomposition and reconstruction, we developed an end-to-end data-driven low-light HSI enhancement (HSIE) approach trained on the LHSI dataset. With the observation that illumination is related to the low-frequency component of HSI, while textural details are closely correlated to the high-frequency component, the proposed HSIE is designed to have two branches. The illumination enhancement branch is adopted to enlighten the low-frequency component with reduced resolution. The high-frequency refinement branch is utilized for refining the high-frequency component via a predicted mask. In addition, to improve information flow and boost performance, we introduce an effective channel attention block (CAB) with residual dense connection, which served as the basic block of the illumination enhancement branch. The effectiveness and efficiency of HSIE both in quantitative assessment measures and visual effects are demonstrated by experimental results on the LHSI dataset. According to the classification performance on the remote sensing Indian Pines dataset, downstream tasks benefit from the enhanced HSI. Datasets and codes are available: \href{https://github.com/guanguanboy/HSIE}{https://github.com/guanguanboy/HSIE}.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL