초분광 영상 처리

ลงชื่อเข้าใช้

고차원 그래프 부공간 대조 학습을 통한 초분광 영상 클러스터링

본 연구는 초분광 영상 클러스터링을 위해 다중 수준 그래프 부공간 대조 학습 모델(MLGSC)을 제안한다. MLGSC는 그래프 합성곱 부공간 구축, 지역-전역 그래프 표현 학습, 다중 수준 그래프 부공간 대조 학습을 통해 초분광 영상의 지역적 및 전역적 특징을 효과적으로 활용한다.

고성능 컴퓨터 시설을 활용한 고차원 초분광 데이터의 주성분 분석 구현 및 비교 분석

고차원 초분광 데이터의 차원 축소를 위해 주성분 분석(PCA) 알고리즘을 고성능 컴퓨팅 플랫폼인 GPU와 manycore에 효율적으로 구현하고, FPGA 기반 구현과 비교 분석하였다.

초분광 초해상도를 위한 포괄적 상관관계 학습

본 연구는 초분광 초해상도를 위해 공간-스펙트럼 주의 집중과 선형 종속성을 동시에 모델링하는 새로운 Exhaustive Correlation Transformer(ECT)를 제안한다.

하이브리드 합성곱 및 주의 메커니즘 네트워크를 이용한 초분광 영상 잡음 제거

초분광 영상 잡음 제거를 위해 합성곱 신경망과 Transformer의 장점을 결합한 하이브리드 모델을 제안한다. 이를 통해 전역적 및 지역적 특징을 효과적으로 모델링하여 잡음 제거 성능을 향상시킨다.

노출 보정을 통한 고해상도 초분광 영상 복원 네트워크

제안된 UHSR-AEC 네트워크는 서로 다른 노출 수준의 초분광 영상과 다분광 영상을 융합하여 고해상도 초분광 영상을 복원할 수 있다.

เกี่ยวกับ

ผลิตภัณฑ์ | แหล่งข้อมูล

ข้อมูลเชิงลึก