JP6133030B2 - ハイパースペクトルイメージデータの次元縮小方法 - Google Patents
ハイパースペクトルイメージデータの次元縮小方法 Download PDFInfo
- Publication number
- JP6133030B2 JP6133030B2 JP2012208503A JP2012208503A JP6133030B2 JP 6133030 B2 JP6133030 B2 JP 6133030B2 JP 2012208503 A JP2012208503 A JP 2012208503A JP 2012208503 A JP2012208503 A JP 2012208503A JP 6133030 B2 JP6133030 B2 JP 6133030B2
- Authority
- JP
- Japan
- Prior art keywords
- basis vectors
- data
- maximum
- pixel
- errors
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 154
- 230000009467 reduction Effects 0.000 title claims description 70
- 239000013598 vector Substances 0.000 claims description 260
- 230000003595 spectral effect Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000000295 complement effect Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 4
- 208000021907 Central cloudy dystrophy of François Diseases 0.000 description 35
- 238000000926 separation method Methods 0.000 description 26
- 238000012545 processing Methods 0.000 description 23
- 238000007906 compression Methods 0.000 description 14
- 230000006835 compression Effects 0.000 description 14
- 239000003086 colorant Substances 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- 238000012805 post-processing Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 230000007423 decrease Effects 0.000 description 6
- 230000000717 retained effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000000701 chemical imaging Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2115—Selection of the most significant subset of features by evaluating different subsets according to an optimisation criterion, e.g. class separability, forward selection or backward elimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Description
本出願は以下の出願に関連する:米国特許出願番号13/085,883(発明の名称「ハイパースペクトルイメージの次元縮小のための最適化正規直交システム及び方法」、出願日2011年4月13日);
米国特許出願番号12/475,145(発明の名称「ハイパースペクトルイメージの次元縮小のためのシステム及び方法」、出願日2009年5月29日);及び米国特許出願番号11/856,588(「ハイパースペクトルイメージ次元縮小システム及び方法」、出願日2007年9月17日)。これらの各開示内容全体を参照により本明細書に組み込む。
一実施形態によれば、複数の空間ピクセル(spatial pixels)を有するハイパースペクトルイメージデータの次元縮小のための方法であって、各ピクセルは複数のスペクトル次元と関連しており、前記方法は、以下のステップを含む:前記ハイパースペクトルイメージデータの各ピクセルに関連した係数のセット、前記係数のセットを生成するために使用される基底ベクトルのセット、及び最大エラー値を受け取るステップ。また、前記方法は以下のステップも含む:前記基底ベクトルのセットに関連する各ピクセルのための第一セットのエラーと、前記基底ベクトルのセットの1以上のサブセットと関連する各ピクセルのための1以上の更なるセットのエラーとをプロセッサを用いて計算するステップ。また、前記方法は更に以下のステップも含む:前記第一セットのエラー、及び前記1以上の更なるセットのエラーそれぞれに関して、前記最大エラー値を超えるエラーを有する空間ピクセルの数のパーセントを、前記プロセッサを用いて計算するステップ。また、前記方法は更に以下のステップも含む:前記第一セットのエラー、及び前記1以上の更なるセットのエラーそれぞれに関連する複数の縮小因子(reduction factor)を前記プロセッサを用いて計算するステップであって、前記複数の縮小因子は、前記最大エラー値を超えるエラーを有する空間ピクセルの数のパーセントと、前記ハイパースペクトルイメージデータに関連するスペクトル次元数の両方に基づいて計算される該ステップ。また、前記方法は更に以下のステップも含む:前記複数の縮小因子からの最大縮小因子と、及びこれらに関連した前記基底ベクトルのセット又は前記基底ベクトルのサブセットの最適サイズとを、前記プロセッサを用いて選択するステップ。
多くの種類のハイパースペクトルイメージ処理の間、一セットの基底ベクトルを生成し、該セットは、分離(unmixing)によって、ハイパースペクトルイメージデータの次元性を減らすために使用することができる。分離は、アンコンストレインド(unconstrained)な分離であってもよく、コンストレインド(constrained)な分離であってもよい。その結果、分離係数は、ノン・ネガティブ(non−negative)及び/又はサムトゥユニティ(sum to unity)である。好ましい実施形態において、一般的には、他の分離技術と比べると更に早く及びシンプルであるため、そして、前記生じた基底ベクトルは、端成分であることを意図するものでないため、アンコンストレインド分離を用いることができる。前記ハイパースペクトルイメージデータを正確に表す必要がある基底ベクトルの数については、処理技術に依存して変化することができる点を理解されたい。幾つかの処理技術(例えば、主要成分分析)では、ハイパースペクトルなデータの全ての色に関する基底ベクトルをコンピューティングする(全てのデータが必ずしも保持されるとは限らないが)が、他の処理技術においては、例えば、米国特許出願番号13/085,883に記述されているように、コンピューティングされる基底ベクトルの数は、ユーザーが選択可能な変数である。所与のエラーレベルに関する保持データの量(即ち、縮小データのボリューム)を最小限にするか、所与の保持されるデータ量に関する任意のピクセルに関してコンピューティングされる前記エラーレベル(即ち、非縮小のピクセルと該ピクセルの縮小されたものとの間の最悪の場合のエラー又は二乗平均平方根「RMS」エラー)を最小限にするかのいずれかを行うために、どれだけ多くの基底ベクトルがコンピューティングされるかに関わらず、この数は、最終的には減らすことができる点を理解されたい。保持される基底ベクトルがより少ないと、縮小/圧縮が大きくなり、しかし、エラーも大きくなる(特に、データの末部において)点を理解されたい。しかし、縮小されていないピクセルのフルセットにおいては、データボリュームがかなり大きいことは明らかである。
Claims (20)
- 複数の空間ピクセル(spatial pixels)を有するハイパースペクトルイメージデータの次元縮小のための方法であって、各ピクセルは複数のスペクトル次元と関連しており、前記方法は、以下のステップを含む:
前記ハイパースペクトルイメージデータの各ピクセルに関連した係数のセット、前記係数のセットを生成するために使用される基底ベクトルのセット、及び最大エラー値を受け取るステップ;
前記基底ベクトルのセットに関連する各ピクセルのための第一セットのエラーと、前記基底ベクトルのセットの1以上のサブセットと関連する各ピクセルのための1以上の更なるセットのエラーとをプロセッサを用いて計算するステップ;
前記第一セットのエラー、及び前記1以上の更なるセットのエラーそれぞれに関して、前記最大エラー値を超えるエラーを有する空間ピクセルの数のパーセントを、前記プロセッサを用いて計算するステップ;
前記第一セットのエラー、及び前記1以上の更なるセットのエラーそれぞれに関連する複数の縮小因子(reduction factor)を前記プロセッサを用いて計算するステップであって、前記複数の縮小因子は、前記最大エラー値を超えるエラーを有する空間ピクセルの数のパーセントと、前記ハイパースペクトルイメージデータに関連するスペクトル次元数の両方に基づいて計算される該ステップ;並びに
前記複数の縮小因子からの最大縮小因子と、及びこれらに関連した前記基底ベクトルのセット又は前記基底ベクトルのサブセットの最適サイズとを、前記プロセッサを用いて選択するステップ。 - 請求項1に記載の方法であって、前記第一セットのエラー及び前記1以上の更なるセットのエラーを計算するステップが、前記基底ベクトルのセットと、及び前記基底ベクトルのセットの前記1以上のサブセットとに関連した相補累積分布関数のプロットをコンピューティングするステップを含む該方法。
- 請求項1に記載の方法であって、前記基底ベクトルのセットが互いに正規直交である該方法。
- 請求項1に記載の方法であって、前記係数のセットは、前記ハイパースペクトルイメージデータの空間ピクセルの各数から、プロセッサを用いて、前記基底ベクトルのセットを分離(unmixing)することによって生成される該方法。
- 請求項1に記載の方法であって、前記縮小因子は、前記係数のセットそれぞれと合計量で割ったものと関連する複数の次元に従い、以下のものを含む:
基底ベクトルの前記セット又はサブセットのサイズ × 前記最大エラー値未満であるエラーのピクセルのパーセント;及び
前記最大エラー値を超えるエラーのピクセルのパーセント × 前記ハイパースペクトルイメージデータに関連するスペクトル次元数。 - 請求項1に記載の方法であって、前記基底ベクトルのセットの前記1以上のサブセットが、前記基底ベクトルのセットの複数の更に小さいサブセットを含む該方法。
- 請求項1に記載の方法であって、更に縮小したデータを生成させるために、前記基底ベクトルのセットの前記最適サイズから前記ハイパースペクトルイメージデータを分離するステップを更に含む該方法。
- 請求項7に記載の方法であって、前記基底ベクトルのセットの前記最適サイズから前記ハイパースペクトルイメージデータを分離する前に、前記最大エラー値を超えるエラーを有するピクセルを保存(setting aside)するステップを更に含む該方法。
- 請求項8に記載の方法であって、前記更に縮小したデータ、及び前記保存したピクセルを出力するステップを更に含む該方法。
- 請求項1に記載の方法であって、前記基底ベクトルのセットに関連する各ピクセルに関する前記第一セットのエラーを計算するステップが、前記基底ベクトルのセットの前記1以上のサブセットに関連する前記1以上の更なるセットのエラーに関連する計算を利用するステップを含む該方法。
- 複数の空間ピクセルを有するハイパースペクトルイメージデータの次元縮小のための方法であって、各ピクセルは複数のスペクトル次元と関連しており、前記方法は、以下のステップを含む:
前記ハイパースペクトルイメージデータの各ピクセルに関連した係数のセット、前記係数のセットを生成するために使用される基底ベクトルのセット、及び最大データサイズ値を受け取るステップ;
前記最大データサイズ値及び空間ピクセル数に基づいて、前記基底ベクトルのセットにおけるメンバーの最大数を、プロセッサを用いて計算し、そして、前記最大データサイズ値に関連する前記基底ベクトルのセットの最大のサブセットを確立するステップ;
前記基底ベクトルの前記最大のサブセットに関連する各ピクセルのための第一セットのエラーと、前記基底ベクトルの前記最大のサブセットの1以上のサブセットと関連する各ピクセルのための1以上の更なるセットのエラーとをプロセッサを用いて計算するステップ;
前記基底ベクトルの最大サブセット及び前記基底ベクトルの1以上の更なるサブセットそれぞれのために、保存することができる空間ピクセルの数のパーセントを、前記最大データサイズ値に基づいて、前記プロセッサを用いて計算するステップ;
前記基底ベクトルの最大サブセット及び前記基底ベクトルの1以上の更なるサブセットそれぞれに関連して、保存することができる空間ピクセルの数のパーセントそれぞれに関連する複数の最大エラー値を、前記プロセッサを用いて計算するステップ;並びに
前記複数の最大エラー値から最小エラー値と、及びこれらに関連した前記基底ベクトルの最大サブセット又は前記基底ベクトルの最大サブセットの前記1以上の更なるサブセットの最適サイズとを、前記プロセッサを用いて選択するステップ。 - 請求項11に記載の方法であって、前記第一セットのエラー、及び前記1以上の更なるセットのエラーを計算するステップが、前記基底ベクトルのセットと、及び前記基底ベクトルのセットの前記1以上のサブセットとに関連した相補累積分布関数のプロットをコンピューティングするステップを含む該方法。
- 請求項11に記載の方法であって、前記基底ベクトルのセットが互いに正規直交である該方法。
- 請求項11に記載の方法であって、前記係数のセットは、空間ピクセルの各数から、プロセッサを用いて、前記基底ベクトルのセットを分離することによって生成される該方法。
- 請求項11に記載の方法であって、保存することができる空間ピクセルの数のパーセントは、以下の商(quotient)に従う該方法:
前記最大データサイズ値と前記空間ピクセル数の商の量 − 最大のサブセットのサイズ、又は基底ベクトルの1以上の更なるサブセット;
前記ハイパースペクトルイメージデータに関連するスペクトル次元数 − 最大のサブセットのサイズ、又は基底ベクトルの1以上の更なるサブセット。 - 請求項11に記載の方法であって、前記基底ベクトルのセットの前記1以上の更なるサブセットは、前記基底ベクトルの最大サブセットである複数の更に小さいサブセットを含む該方法。
- 請求項11に記載の方法であって、更に縮小したデータを生成させるために、前記基底ベクトルの最大のサブセットの前記最適サイズから前記ハイパースペクトルイメージデータを分離するステップを更に含む該方法。
- 請求項17に記載の方法であって、保存することが可能な空間ピクセル数を保存するステップを更に含む該方法。
- 請求項18に記載の方法であって、前記更に縮小したデータ、及び前記保存した空間ピクセル数を出力するステップを更に含む該方法。
- 請求項11に記載の方法であって、前記基底ベクトルのセットに関連する各ピクセルに関する前記第一セットのエラーを計算するステップが、前記基底ベクトルのセットの前記1以上のサブセットに関連する前記1以上の更なるセットのエラーに関連する計算を利用するステップを含む該方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/302,504 US8842937B2 (en) | 2011-11-22 | 2011-11-22 | Spectral image dimensionality reduction system and method |
US13/302504 | 2011-11-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013110734A JP2013110734A (ja) | 2013-06-06 |
JP6133030B2 true JP6133030B2 (ja) | 2017-05-24 |
Family
ID=46799993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012208503A Active JP6133030B2 (ja) | 2011-11-22 | 2012-09-21 | ハイパースペクトルイメージデータの次元縮小方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8842937B2 (ja) |
EP (1) | EP2597596B1 (ja) |
JP (1) | JP6133030B2 (ja) |
IL (2) | IL220761A (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9002126B2 (en) * | 2012-05-04 | 2015-04-07 | Environmental Systems Research Institute (ESRI) | Limited error raster compression |
US8660360B1 (en) * | 2012-08-03 | 2014-02-25 | Raytheon Company | System and method for reduced incremental spectral clustering |
US9147126B2 (en) * | 2013-08-01 | 2015-09-29 | Raytheon Company | Post compression detection (PoCoDe) |
US8995722B2 (en) * | 2013-08-05 | 2015-03-31 | Raytheon Company | Sparse reduced (spare) filter |
CN103714354B (zh) * | 2014-01-16 | 2017-01-25 | 西安电子科技大学 | 基于量子粒子群算法的高光谱图像波段选择方法 |
US9269162B1 (en) * | 2014-08-25 | 2016-02-23 | Raytheon Company | Rapid anomaly detection (RAND) |
CN104318243B (zh) * | 2014-10-14 | 2017-09-26 | 西安电子科技大学 | 基于稀疏表示和空谱拉普拉斯图的高光谱数据降维方法 |
US10089319B2 (en) | 2015-02-20 | 2018-10-02 | International Business Machines Corporation | Policy-based, multi-scheme data reduction for computer memory |
US10605940B2 (en) | 2015-06-24 | 2020-03-31 | Exxonmobil Upstream Research Company | Method for selecting horizon surfaces |
CN105023239B (zh) * | 2015-08-18 | 2018-03-13 | 西安电子科技大学 | 基于超像素和最大边界分布的高光谱数据降维方法 |
RU2635331C1 (ru) * | 2016-10-18 | 2017-11-10 | Андрей Евгеньевич Краснов | Способ нейроподобного снижения размерности оптических спектров |
TWI779986B (zh) * | 2016-11-30 | 2022-10-01 | 美商應用材料股份有限公司 | 使用神經網路的光譜監測 |
CN107153839A (zh) * | 2017-04-20 | 2017-09-12 | 电子科技大学 | 一种高光谱图像降维处理方法 |
CN109472199B (zh) * | 2018-09-29 | 2022-02-22 | 深圳大学 | 一种图像融合分类的方法及装置 |
CN109187398A (zh) * | 2018-11-08 | 2019-01-11 | 河南省农业科学院植物营养与资源环境研究所 | 一种小麦植株氮含量的高光谱测定方法 |
CN110751142B (zh) * | 2019-09-25 | 2022-07-26 | 河海大学 | 一种改进型的高光谱遥感影像波段选择方法 |
Family Cites Families (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3217987B2 (ja) * | 1997-03-31 | 2001-10-15 | 松下電器産業株式会社 | 動画像信号の復号方法および符号化方法 |
US6208752B1 (en) | 1998-03-12 | 2001-03-27 | The United States Of America As Represented By The Secretary Of The Navy | System for eliminating or reducing exemplar effects in multispectral or hyperspectral sensors |
US6075891A (en) | 1998-07-06 | 2000-06-13 | General Dynamics Government Systems Corporation | Non-literal pattern recognition method and system for hyperspectral imagery exploitation |
US6952499B1 (en) | 1998-10-19 | 2005-10-04 | The United States Of America As Represented By The Secretary Of The Air Force | Aspire (autonomous spatial pattern identification and recognition algorithm) |
US6859275B2 (en) | 1999-04-09 | 2005-02-22 | Plain Sight Systems, Inc. | System and method for encoded spatio-spectral information processing |
US7180588B2 (en) | 1999-04-09 | 2007-02-20 | Plain Sight Systems, Inc. | Devices and method for spectral measurements |
US6665438B1 (en) | 1999-05-05 | 2003-12-16 | American Gnc Corporation | Method for hyperspectral imagery exploitation and pixel spectral unmixing |
US6782138B1 (en) | 1999-07-14 | 2004-08-24 | Purdue Research Foundation | Method and system for processing multidimensional data |
US6750964B2 (en) | 1999-08-06 | 2004-06-15 | Cambridge Research And Instrumentation, Inc. | Spectral imaging methods and systems |
JP4097873B2 (ja) * | 2000-03-06 | 2008-06-11 | 富士フイルム株式会社 | マルチスペクトル画像の画像圧縮方法および画像圧縮装置 |
US6940999B2 (en) | 2000-06-13 | 2005-09-06 | American Gnc Corp. | Method for target detection and identification by using proximity pixel information |
US6804400B1 (en) | 2000-11-01 | 2004-10-12 | Bae Systems Mission Solutions Inc. | Adaptive hyperspectral data compression |
US6701021B1 (en) | 2000-11-22 | 2004-03-02 | Canadian Space Agency | System and method for encoding/decoding multidimensional data using successive approximation multi-stage vector quantization |
JP3736394B2 (ja) * | 2001-07-10 | 2006-01-18 | 松下電器産業株式会社 | 画像圧縮装置 |
US6608931B2 (en) | 2001-07-11 | 2003-08-19 | Science Applications International Corporation | Method for selecting representative endmember components from spectral data |
US7801215B2 (en) * | 2001-07-24 | 2010-09-21 | Sasken Communication Technologies Limited | Motion estimation technique for digital video encoding applications |
DE10354752B4 (de) * | 2002-11-25 | 2006-10-26 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur automatischen Entzerrung von einkanaligen oder mehrkanaligen Bildern |
US20040218172A1 (en) | 2003-01-24 | 2004-11-04 | Deverse Richard A. | Application of spatial light modulators for new modalities in spectrometry and imaging |
US7194111B1 (en) | 2003-07-10 | 2007-03-20 | The United States Of America As Represented By The Secretary Of The Navy | Hyperspectral remote sensing systems and methods using covariance equalization |
US7251376B2 (en) | 2003-08-29 | 2007-07-31 | Canadian Space Agency | Data compression engines and real-time wideband compressor for multi-dimensional data |
US7321791B2 (en) | 2003-09-23 | 2008-01-22 | Cambridge Research And Instrumentation, Inc. | Spectral imaging of deep tissue |
US7463778B2 (en) * | 2004-01-30 | 2008-12-09 | Hewlett-Packard Development Company, L.P | Motion estimation for compressing multiple view images |
US8503530B2 (en) * | 2004-05-27 | 2013-08-06 | Zhourong Miao | Temporal classified filtering for video compression |
US8320996B2 (en) | 2004-11-29 | 2012-11-27 | Hypermed Imaging, Inc. | Medical hyperspectral imaging for evaluation of tissue and tumor |
JP4755490B2 (ja) * | 2005-01-13 | 2011-08-24 | オリンパスイメージング株式会社 | ブレ補正方法および撮像装置 |
US7680337B2 (en) | 2005-02-22 | 2010-03-16 | Spectral Sciences, Inc. | Process for finding endmembers in a data set |
JP4654773B2 (ja) * | 2005-05-31 | 2011-03-23 | 富士フイルム株式会社 | 情報処理装置、動画像符号化装置、情報処理方法及び情報処理プログラム |
JP2007060421A (ja) * | 2005-08-25 | 2007-03-08 | Canon Inc | 画像処理装置及びその方法、コンピュータプログラム及び記憶媒体 |
KR101299074B1 (ko) * | 2006-03-03 | 2013-08-30 | 허니웰 인터내셔널 인코포레이티드 | 홍채 인코딩 시스템 |
DE102007033029A1 (de) | 2007-07-16 | 2009-01-22 | Osram Gesellschaft mit beschränkter Haftung | Leuchtstoffmischung für eine Entladungslampe und Entladungslampe, insbesondere Hg-Niederdruckentladungslampe |
US8538195B2 (en) | 2007-09-17 | 2013-09-17 | Raytheon Company | Hyperspectral image dimension reduction system and method |
CL2008000024A1 (es) * | 2008-01-04 | 2009-01-16 | Univ Pontificia Catolica Chile | Sistema y metodo para la deteccion, localizacion e identificacion de objetos en suelo y subsuelo que se encuentran en un area de interes previamente referenciada. |
US8150195B2 (en) | 2008-10-03 | 2012-04-03 | Sony Corporation | Adaptive prediction using a dimensionality reduction process |
EP2368215B1 (en) | 2008-11-17 | 2016-12-21 | Raytheon Company | Hyperspectral image dimension reduction system and method |
CN101763445B (zh) | 2008-12-23 | 2011-11-09 | 北京理工大学 | 一种高光谱图像降维芯片 |
US8315472B2 (en) | 2009-05-29 | 2012-11-20 | Raytheon Company | System and method for reducing dimensionality of hyperspectral images |
WO2011047103A2 (en) * | 2009-10-13 | 2011-04-21 | The Charles Stark Draper Laboratory, Inc. | Mathematical image analysis based cell reprogramming with applications for epigenetic and non-epigenetic base induced pluripotent stem cell derivation |
US8515134B2 (en) * | 2009-12-11 | 2013-08-20 | Nxp B.V. | System and method for motion estimation using image depth information |
JP5321439B2 (ja) * | 2009-12-15 | 2013-10-23 | 株式会社Jvcケンウッド | 画像符号化装置、画像復号化装置、画像符号化方法、及び、画像復号化方法 |
JP2011211474A (ja) * | 2010-03-30 | 2011-10-20 | Sony Corp | 画像処理装置および画像信号処理方法 |
JP4689758B1 (ja) * | 2010-04-22 | 2011-05-25 | 株式会社市川ソフトラボラトリー | 画像一致点検出装置、画像一致点検出方法および記録媒体 |
US8175393B2 (en) | 2010-07-26 | 2012-05-08 | Raytheon Company | Multi-phenomenology object detection |
-
2011
- 2011-11-22 US US13/302,504 patent/US8842937B2/en active Active
-
2012
- 2012-06-29 EP EP12174405.6A patent/EP2597596B1/en active Active
- 2012-07-04 IL IL220761A patent/IL220761A/en active IP Right Grant
- 2012-09-21 JP JP2012208503A patent/JP6133030B2/ja active Active
-
2017
- 2017-07-12 IL IL253444A patent/IL253444A0/en active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
US8842937B2 (en) | 2014-09-23 |
EP2597596B1 (en) | 2018-09-05 |
EP2597596A2 (en) | 2013-05-29 |
US20130129256A1 (en) | 2013-05-23 |
IL220761A (en) | 2017-07-31 |
IL253444A0 (en) | 2017-09-28 |
EP2597596A3 (en) | 2014-03-26 |
JP2013110734A (ja) | 2013-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6133030B2 (ja) | ハイパースペクトルイメージデータの次元縮小方法 | |
EP2880596B1 (en) | System and method for reduced incremental spectral clustering | |
US8948540B2 (en) | Optimized orthonormal system and method for reducing dimensionality of hyperspectral images | |
EP2632161B1 (en) | Hyperspectral image compression | |
US9147265B2 (en) | System and method for rapid cluster analysis of hyperspectral images | |
JP5510688B2 (ja) | 画像のマルチレベル分解を利用して画質計測値を決定する方法およびシステム | |
EP3440627A1 (en) | Image dehazing and restoration | |
US9576218B2 (en) | Selecting features from image data | |
EP3204888A1 (en) | Spatial pyramid pooling networks for image processing | |
Zhang et al. | Joint integral histograms and its application in stereo matching | |
JP6042912B2 (ja) | ハイパースペクトラル・イメージ圧縮のためのシステム及び方法 | |
KR101556603B1 (ko) | 랭크 정보를 이용한 영상 분리 장치 및 그 방법 | |
US9595113B2 (en) | Image transmission system, image processing apparatus, image storage apparatus, and control methods thereof | |
KR20200110255A (ko) | 영상의 특징을 측정하는 방법 및 장치 | |
CN114663747B (zh) | 一种面向高光谱图像的分类方法及系统 | |
CN115118986A (zh) | 用于视频编码中基于直方图的加权预测的系统和方法 | |
Garcia Salgado et al. | Feature extraction-selection scheme for hyperspectral image classification using fourier transform and jeffries-matusita distance | |
Islam et al. | Subgrouping-based nmf with imbalanced class handling for hyperspectral image classification | |
KR102571811B1 (ko) | 기저 벡터 회전을 이용한 이산코사인변환 방법 및 영상 처리 장치 | |
Asati et al. | Similarity based optimization to fractal image encoding based on multithreading parallelization | |
KR20230096167A (ko) | 이미지 거리 측정 장치 및 방법 | |
Chaudhuri et al. | Band Selection Through Redundancy Elimination | |
Skopin et al. | Fastest Color Model for Image Processing Using Embedded Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150918 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20160328 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20160330 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160929 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161018 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161125 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170321 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170419 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6133030 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |