Approches tensorielles couplées pour la fusion aveugle d'images multispectrale et hyperspectrale

Résumé : Nous proposons une nouvelle approche pour la super-résolution hyperspectrale, fondée sur l'approximation tensorielle de rang faible d'un modèle de Tucker couplé. Ce papier montre que la reconstruction de l'image de super-résolution est possible pour un panel de rangs multilinéaires. De plus, nous proposons un algorithme fondé sur la SVD, simple et rapide, permettant de résoudre ce problème avec des performances similairesà celles de la littérature, sans connaissance a priori des matrices de dégradation spatiale. Abstract-We propose a novel approach for hyperspectral super-resolution that is based on low-rank tensor approximation for a coupled low-rank multilinear (Tucker) model. We show that the correct recovery holds for a wide range of multilinear ranks. For coupled tensor approximation, we propose an SVD-based algorithm that is simple and fast, but with a performance comparable to that of the state-of-the-art methods, without a priori knowledge of the spatial degradation operators.
Document type :
Conference papers
Complete list of metadatas

Cited literature [16 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02282433
Contributor : Clémence Prévost <>
Submitted on : Tuesday, September 10, 2019 - 8:48:19 AM
Last modification on : Thursday, September 12, 2019 - 1:19:26 AM

File

HSR_GRETSI2.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-02282433, version 1

Citation

Clémence Prévost, Konstantin Usevich, Pierre Comon, David Brie. Approches tensorielles couplées pour la fusion aveugle d'images multispectrale et hyperspectrale. XXVIIème Colloque francophone de traitement du signal et des images, GRETSI 2019, Aug 2019, Lille, France. ⟨hal-02282433⟩

Share

Metrics

Record views

14

Files downloads

14