Tensor-based image fusion accounting for inter-image variability: Recoverability and algorithms - Université de Lorraine Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Tensor-based image fusion accounting for inter-image variability: Recoverability and algorithms

Résumé

In this paper we propose a hyperspectral and multispectral image fusion framework accounting for inter-image variability. The images are represented as three dimensional tensors, and both the high-resolution image and inter-image variations are assumed to admit a Tucker decomposition. Two algorithms are proposed, one purely algebraic and computationally fast and another based on an optimization procedure. Exact recovery conditions are provided. Experimental results illustrate the performance of the proposed methods.
Dans cet article, nous proposons une approche pour la reconstruction d'images à haute résolution par fusion d'images hyperspectrales et multispectrales prenant en compte la variabilité entre les images. L'image haute résolution et la variabilité inter-images sont représentées sous forme de tenseurs et sont supposées admettre une décomposition de Tucker. Deux algorithmes sont proposés, et des conditions pour une reconstruction exacte de l'image à haute résolution sont fournies. Les résultats expérimentaux illustrent les performances des méthodes proposées.
Fichier principal
Vignette du fichier
C_Gretsi_2022_revised.pdf (1.22 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03777569 , version 1 (14-09-2022)

Identifiants

  • HAL Id : hal-03777569 , version 1

Citer

Ricardo Augusto Borsoi, Clémence Prévost, Konstantin Usevich, David Brie, José-Carlos M Bermudez, et al.. Tensor-based image fusion accounting for inter-image variability: Recoverability and algorithms. XXVIIIème Colloque Francophone de Traitement du Signal et des Images, GRETSI 2022, Sep 2022, Nancy, France. ⟨hal-03777569⟩
41 Consultations
39 Téléchargements

Partager

Gmail Facebook X LinkedIn More