Reconstruction of compressed spectral imaging based on global structure and spectral correlation

要約

本論文では,グローバル構造特性とスペクトル相関に基づく畳み込みスパース符号化法を,圧縮スペクトル画像の再構成のために提案した。
提案された方法は、畳み込みカーネルを使用してグローバル画像を操作します。これにより、空間次元で画像構造情報をより適切に保存できます。
スペクトル間の制約を完全に調査するために、畳み込みカーネルに対応する係数はノルムによって制約され、スペクトルの精度が向上します。
また、畳み込みスパース コーディングが低周波に鈍感であるという問題を解決するために、グローバルな総変動 (TV) 制約が追加され、低周波成分が推定されます。
低周波数の効果的な推定を保証するだけでなく、畳み込みスパースコーディングをノイズ除去プロセスに変換し、再構築プロセスをより簡単にします。
シミュレーションは、現在の主流の最適化方法 (DeSCI および Gap-TV) と比較して、提案された方法が再構成品質を PSNR で最大 7 dB、SSIM で 10% 改善し、再構成された画像の詳細を大幅に改善することを示しています。
.

要約(オリジナル)

In this paper, a convolution sparse coding method based on global structure characteristics and spectral correlation is proposed for the reconstruction of compressive spectral images. The proposed method uses the convolution kernel to operate the global image, which can better preserve image structure information in the spatial dimension. To take full exploration of the constraints between spectra, the coefficients corresponding to the convolution kernel are constrained by the norm to improve spectral accuracy. And, to solve the problem that convolutional sparse coding is insensitive to low frequency, the global total-variation (TV) constraint is added to estimate the low-frequency components. It not only ensures the effective estimation of the low-frequency but also transforms the convolutional sparse coding into a de-noising process, which makes the reconstructing process simpler. Simulations show that compared with the current mainstream optimization methods (DeSCI and Gap-TV), the proposed method improves the reconstruction quality by up to 7 dB in PSNR and 10% in SSIM, and has a great improvement in the details of the reconstructed image.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google