Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
https://hdl.handle.net/123456789/34| Τύπος: | Ανακοίνωση σε συνέδριο |
| Τίτλος: | Hyperspectral image compression and super-resolution using tensor decomposition learning |
| Συγγραφέας: | [EL] Αϊδίνη, Αναστασία[EN] Aidini, Anastasia [EL] Γιαννόπουλος, Μιχαήλ[EN] Giannopoulos, Michalis [EL] Πεντάρη, Αναστασία[EN] Pentari, Anastasia [EL] Φωτιάδου, Κωνσταντίνα[EN] Fotiadou, Konstantina [EL] Τσακαλίδης, Παναγιώτης[EN] Tsakalides, Panagiotis |
| Ημερομηνία: | 03/11/2019 |
| Περίληψη: | As the field of remote sensing for Earth Observation is rapidly evolving, there is an increasing demand for developing suitable methods to store and transmit the massive amounts of the generated data. At the same time, as multiple sensors acquire observations with different dimensions, super-resolution methods come into play to unify the framework for upcoming statistical inference tasks. In this paper, we employ a tensorbased structuring of multi-spectral image data and we propose a low-rank tensor completion scheme for efficient image-content compression and recovery. To address the problem of lowresolution imagery, we further provide a robust algorithmic scheme for super-resolving satellite images, followed by a stateof- the-art convolutional neural network architecture serving the classification task of the employed images. Experimental analysis on real-world observations demonstrates the detrimental effects of image compression on classification, an issued successfully addressed by the proposed recovery and super-resolution schemes. |
| Γλώσσα: | Αγγλικά |
| Τόπος δημοσίευσης: | 2019 53rd Asilomar Conference on Signals, Systems, and Computers |
| Σελίδες: | 5 |
| DOI: | 10.1109/IEEECONF44664.2019.9048735 |
| Θεματική κατηγορία: | [EL] Μηχανική και συστήματα επικοινωνιών, Τηλεπικοινωνίες[EN] Communication engineering and systems, Telecommunications |
| Λέξεις-κλειδιά: | Multi-Spectral Image Classification; Compression; Tensor Unfoldings; Super Resolution; Alternating Direction Method of Multipliers |
| Κάτοχος πνευματικών δικαιωμάτων: | Copyright © 2019, IEEE |
| Ηλεκτρονική διεύθυνση του τεκμηρίου στον εκδότη: | https://ieeexplore.ieee.org/document/9048735 |
| Όνομα εκδήλωσης: | 2019 53rd Asilomar Conference on Signals, Systems, and Computers |
| Τοποθεσία εκδήλωσης: | Pacific Grove, CA, USA, USA |
| Ημ/νία έναρξης εκδήλωσης: | 03/11/2019 |
| Ημ/νία λήξης εκδήλωσης: | 06/11/2019 |
| Σημειώσεις: | The research work was funded by Greece and the European Union (European Social Fund) in the context of the Youth Employment Initiative through the Operational Program for Human Resources Development, Education and Lifelong Learning, under grant no. MIS 5004457. |
| Εμφανίζεται στις συλλογές: | Ερευνητικές ομάδες |
Αρχεία σε αυτό το τεκμήριο:
| Αρχείο | Περιγραφή | Σελίδες | Μέγεθος | Μορφότυπος | Έκδοση | Άδεια | |
|---|---|---|---|---|---|---|---|
| 2019-Asilomar.pdf | 671.31 kB | Adobe PDF | - |  | Δείτε/ανοίξτε |