Hyperspectral Image Compression Using Implicit Neural Representation

要約

シーンの画像内のピクセルの電磁スペクトルを記録するハイパースペクトル画像は、多くの場合、ピクセルあたり数百のチャネルを格納し、同様のサイズの典型的なカラー画像よりも桁違いに多くの情報を含んでいます。
その結果、これらの画像をキャプチャするコストの低下に伴い、ハイパースペクトル画像を保存、送信、および分析するための効率的な技術を開発する必要があります。
この論文では、暗示的なニューラル表現を使用したハイパースペクトル画像圧縮の方法を開発します。この方法では、正弦波活性化関数を備えた多層パーセプトロン ネットワーク $\Phi_\theta$ が、指定されたハイパースペクトル画像 $I$ のピクセル位置をピクセル強度にマッピングすることを「学習」します。
したがって、$\Phi_\theta$ は、この画像の圧縮エンコードとして機能します。
元の画像は、各ピクセル位置で $\Phi_\theta$ を評価することによって再構築されます。
4 つのベンチマーク (Indian Pines、Cuprite、Pavia University、および Jasper Ridge) でこの方法を評価し、提案された方法が低ビットレートで JPEG、JPEG2000、および PCA-DCT よりも優れた圧縮を達成することを示しました。

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, and PCA-DCT at low bitrates.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google