| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-08-28 13:10 ［招待講演］ハイパースペクトル画像復元のための構造適応的凸正則化 ○竹本真悟（Science Tokyo）  SIP2026-48 |
|
| 抄録 | （和） | 本講演では、ハイパースペクトル（HS）画像の復元を対象とした2つの凸正則化手法を紹介する。HSイメージングは、各画素に可視光外も含む幅広い波長帯において連続的なスペクトル情報を保持する3次元データキューブを取得するリモートセンシング技術である。豊富なスペクトル情報を利用することで、通常の画像では識別が困難な物質の微細な物理的・化学的特性を捉えることができる。一方で、限られた光子を数百の狭帯域に分配して観測する必要があるため、信号対雑音比の低下は避けられない。その結果、観測されたHS画像は、熱雑音、量子化雑音、ショットノイズ、ストライプノイズなどの複合的なノイズによって大きく劣化する場合がある。これらの劣化は、HS画像が本来有する空間・スペクトル構造を損なうとともに、スペクトル情報の物理的な信頼性を低下させる。このため、劣化観測から高品質なHS画像を復元することは、その科学的・実用的価値を維持する上で重要である。 劣化した観測HS画像からの復元は不良設定の逆問題であり、本講演では、空間方向およびスペクトル方向の区分的平滑性をモデル化するTotal Variation（TV）正則化に基づく最適化手法に着目する。HS画像復元に対してはこれまでにも多くのTV型手法が提案されているが、強い劣化や複雑な空間・スペクトル構造を十分に扱うには課題が残る。特に、既存のTV型手法には、（1）一様性：画像全体に一様な罰則を課すため、エッジとノイズを十分に区別できず、細部の過平滑化を引き起こすこと、（2）局所性：隣接画素間の差分の情報のみ参照するため、強いノイズやストライプ状の構造的劣化に対して脆弱であること、という2つの本質的な制約がある。 一様性の問題に対して、本講演ではGraph-Aided Spatio-Spectral Total Variation（GASSTV）を提案する。観測データから真のHS画像の構造を反映する空間グラフおよびスペクトルグラフを構成し、それらを重み付き差分作用素として正則化項に組み込む。これにより、局所的な画像構造に応じて正則化の強さを適応的に調整し、細かな空間構造やスペクトル変動を保持しながら複合ノイズを効果的に除去する。 一方、局所性の問題に対して、Spatio-Spectral Structure Tensor Total Variation（S3TTV）を提案する。S3TTVでは、Structure Tensorと呼ばれる、半局所的な領域における空間・スペクトル方向の2階差分ベクトルを並べた行列を構成し、これらのベクトル間の相関を促進させる。このような設計によって、S3TTVは半局所的に広がる空間構造を捉え、強い複合ノイズに対して高い頑健性を示す。両正則化関数を用いたHS画像復元問題はいずれも凸最適化問題として定式化され、Primal-Dual Splitting Algorithm (PDS)により効率的に求解できる。 |
| （英） | This talk presents two convex regularization methods for hyperspectral (HS) image restoration, focusing on denoising and destriping. HS sensors divide limited photons across hundreds of narrow spectral bands, yielding images severely degraded by mixed noise. Restoring clean images from such observations is an ill-posed inverse problem essential for preserving the scientific value of HS data. Total Variation (TV) regularization is widely used for HS image restoration by modeling piecewise smoothness along spatial and spectral dimensions. However, existing TV-based methods have two fundamental limitations: (1) Uniformity---spatially uniform penalties over-smooth fine details; and (2) Locality---reliance on adjacent pixel differences lacks robustness under heavy noise and structural artifacts. To address Uniformity, we propose Graph-Aided Spatio-Spectral Total Variation (GASSTV), which constructs spatial and spectral graphs from observed data to adaptively modulate penalization strength, enabling mixed-noise removal while preserving fine details. To overcome Locality, we propose Spatio-Spectral Structure Tensor Total Variation (S3TTV), which extends the structure tensor to the spatio-spectral domain. By evaluating nuclear norms of structure tensors within semi-local windows, S3TTV captures spatial coherence and spectral correlation simultaneously, achieving robustness against heavy mixed noise. Both methods are formulated as convex optimization problems and solved using primal-dual splitting algorithms. |
|
| キーワード | （和） | 最適化 / 正則化 / ハイパースペクトル画像 / ノイズ除去 / 復元 / 信号処理 / 全変動 / グラフ |
| （英） | Optimization / Regularization / Hyperspectral image / Denoising / Recovery / Signal Processing / Total Variation / Graph | |
| 文献情報 | 信学技報, vol. 126, no. 157, SIP2026-48, pp. 69-69, 2026年8月. | |
| 資料番号 | SIP2026-48 | |
| 発行日 | 2026-08-20 (SIP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SIP2026-48 |
|
| 研究会情報 | |
| 研究会 | SIP |
| 開催期間 | 2026-08-27 - 2026-08-28 |
| 開催地（和） | 森秋旅館 会議室 蓬春 |
| 開催地（英） | Moriaki Ryokan |
| テーマ（和） | 信号処理，一般 |
| テーマ（英） | Signal Processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2026-08-SIP |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | ハイパースペクトル画像復元のための構造適応的凸正則化 |
| サブタイトル（和） | |
| タイトル（英） | Structure-Aware Convex Regularization for Hyperspectral Image Restoration |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 最適化 / Optimization |
| キーワード(2)（和/英） | 正則化 / Regularization |
| キーワード(3)（和/英） | ハイパースペクトル画像 / Hyperspectral image |
| キーワード(4)（和/英） | ノイズ除去 / Denoising |
| キーワード(5)（和/英） | 復元 / Recovery |
| キーワード(6)（和/英） | 信号処理 / Signal Processing |
| キーワード(7)（和/英） | 全変動 / Total Variation |
| キーワード(8)（和/英） | グラフ / Graph |
| 第1著者 氏名（和/英/ヨミ） | 竹本 真悟 / Shingo Takemoto / タケモト シンゴ |
| 第1著者 所属（和/英） | 東京科学大学 (略称： Science Tokyo) Institute of Science Tokyo (略称： Science Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-08-28 13:10:00 |
| 発表時間 | 35分 |
| 申込先研究会 | SIP |
| 資料番号 | SIP2026-48 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.157 |
| ページ範囲 | p.69 |
| ページ数 | 1 |
| 発行日 | 2026-08-20 (SIP) |
[研究会発表申込システムのトップページに戻る]