Automatic Spectral Calibration of Hyperspectral Images:Method, Dataset and Benchmark

要約

ハイパースペクトル イメージ (HSI) は、空間領域と周波数領域の両方で世界を高密度にサンプリングするため、RGB イメージよりも特徴的です。
通常、HSI はさまざまな照明条件の影響を最小限に抑えるために校正する必要があります。
HSI をキャリブレーションする従来の方法では、物理的な基準を利用しますが、これには手動操作、オクルージョン、および/またはカメラの可動性の制限が伴います。
これらの制限により、このペーパーでは学習ベースの方法を使用して HSI を自動的に調整するようになりました。
この目標に向けて、多様な自然風景やイルミネーションをカバーする 765 個の高品質 HSI ペアを含む大規模な HSI キャリブレーション データセットが作成されます。
データセットは、10 の異なる物理的に測定された照明と組み合わせることで、7,650 ペアまでさらに拡張されます。
スペクトル照明変換器(SIT)と照明注意モジュールが提案されています。
広範なベンチマークにより、提案された SIT の SoTA パフォーマンスが実証されています。
ベンチマークは、低照度条件が通常の条件よりも困難であることも示しています。
データセットとコードはオンラインで入手できます:https://github.com/duranze/Automatic-spectral-calibration-of-HSI

要約(オリジナル)

Hyperspectral image (HSI) densely samples the world in both the space and frequency domain and therefore is more distinctive than RGB images. Usually, HSI needs to be calibrated to minimize the impact of various illumination conditions. The traditional way to calibrate HSI utilizes a physical reference, which involves manual operations, occlusions, and/or limits camera mobility. These limitations inspire this paper to automatically calibrate HSIs using a learning-based method. Towards this goal, a large-scale HSI calibration dataset is created, which has 765 high-quality HSI pairs covering diversified natural scenes and illuminations. The dataset is further expanded to 7650 pairs by combining with 10 different physically measured illuminations. A spectral illumination transformer (SIT) together with an illumination attention module is proposed. Extensive benchmarks demonstrate the SoTA performance of the proposed SIT. The benchmarks also indicate that low-light conditions are more challenging than normal conditions. The dataset and codes are available online:https://github.com/duranze/Automatic-spectral-calibration-of-HSI

arxiv情報

提供元, 利用サービス

arxiv.jp, Google