利用高斯过程从RGB图像恢复高光谱信息
计算机视觉与模式识别
2018-07-23 v2
摘要
我们提出通过对已知光谱量化的RGB图像，在高斯过程下对自然光谱建模并将其与RGB图像相结合，从而恢复光谱细节。我们的技术利用过程核（Process Kernels）对反射率光谱的相对平滑性进行建模，并在所得信号中施加非负性约束，以更好地估计反射率值。高斯过程通过空间-光谱相关的超光谱训练块聚类成组进行推断。每组被变换以匹配测试RGB图像的光谱量化。我们从RGB图像中提取重叠块，并通过光谱变换后者将其与超光谱训练块匹配。RGB块在那些与超光谱块相关的变换后高斯过程上进行编码，所得图像通过将编码与原始过程相结合来构建。我们的方法在受Beta-Bernoulli过程启发的全贝叶斯模型下推断所需的高斯过程，对此我们也给出了推断过程。使用三个高光谱数据集的详尽评估证明了所提技术从RGB图像中有效提取光谱细节的能力。
引用
@article{arxiv.1801.04654,
title = {Hyperspectral recovery from RGB images using Gaussian Processes},
author = {Naveed Akhtar and Ajmal Mian},
journal= {arXiv preprint arXiv:1801.04654},
year = {2018}
}
备注
Revision submitted to IEEE TPAMI