Méthodes multi-niveaux pour la restauration d'images hyperspectrales - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Pré-Publication, Document De Travail (Preprint/Prepublication) Année : 2023

Multilevel methods for hyperspectral images restoration

Méthodes multi-niveaux pour la restauration d'images hyperspectrales

Résumé

This paper presents a new multi-level proximal algorithm whose construction is specific to hyperspectral image restoration. Two methods for approximating the objective function associated with this problem are proposed. In both cases, the associated convergence guarantees are equivalent to those of the state of the art. Finally, these two methods are compared to FISTA in terms of reconstruction quality at equivalent computation time on an inpainting problem showing the interest of the proposed approach on high dimensional data.
Cet article présente un nouvel algorithme proximal multi-niveau dont la construction est spécifique à la restauration d'images hyperspectrales. Deux méthodes d'approximation de la fonction objectif dédiée à ce problème sont proposées. Dans les deux cas, les garanties de convergence associées sont équivalentes à celles de l'état de l'art. Ces deux méthodes sont comparées à FISTA en qualité de reconstruction à temps de calcul équivalent pour un problème d'inpainting démontrant l'intérêt de l'approche proposée pour de très grands volumes de données.
Fichier principal
Vignette du fichier
GRETSI_2023_hyperspectral.pdf (11.66 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04067225 , version 1 (13-04-2023)
hal-04067225 , version 2 (28-06-2023)

Identifiants

  • HAL Id : hal-04067225 , version 1

Citer

Guillaume Lauga, Elisa Riccietti, Nelly Pustelnik, Paulo Gonçalves. Méthodes multi-niveaux pour la restauration d'images hyperspectrales. 2023. ⟨hal-04067225v1⟩
60 Consultations
27 Téléchargements

Partager

Gmail Facebook X LinkedIn More