A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
Parameter Optimization for Low-Rank Matrix Recovery in Hyperspectral Imaging (2023)
Wolfmayr, M. (2023). Parameter Optimization for Low-Rank Matrix Recovery in Hyperspectral Imaging. Applied Sciences, 13(16), Article 9373. https://doi.org/10.3390/app13169373
JYU-tekijät tai -toimittajat
Julkaisun tiedot
Julkaisun kaikki tekijät tai toimittajat: Wolfmayr, Monika
Lehti tai sarja: Applied Sciences
eISSN: 2076-3417
Julkaisuvuosi: 2023
Ilmestymispäivä: 18.08.2023
Volyymi: 13
Lehden numero: 16
Artikkelinumero: 9373
Kustantaja: MDPI AG
Julkaisumaa: Sveitsi
Julkaisun kieli: englanti
DOI: https://doi.org/10.3390/app13169373
Julkaisun avoin saatavuus: Avoimesti saatavilla
Julkaisukanavan avoin saatavuus: Kokonaan avoin julkaisukanava
Julkaisu on rinnakkaistallennettu (JYX): https://jyx.jyu.fi/handle/123456789/88794
Rinnakkaistallenteen verkko-osoite (pre-print): https://arxiv.org/abs/2305.09823
Tiivistelmä
An approach to parameter optimization for the low-rank matrix recovery method in hyperspectral imaging is discussed. We formulate an optimization problem with respect to the initial parameters of the low-rank matrix recovery method. The performance for different parameter settings is compared in terms of computational times and memory. The results are evaluated by computing the peak signal-to-noise ratio as a quantitative measure. The potential improvement in the performance of the noise reduction method is discussed when optimizing the choice of the initial values. The optimization method is tested on standard and openly available hyperspectral data sets, including Indian Pines, Pavia Centre, and Pavia University.
YSO-asiasanat: hyperspektrikuvantaminen; optimointi; kuvantaminen; spektrometria
Vapaat asiasanat: noise reduction; nonlinear optimization; low-rank modeling; hyperspectral imaging; signal-to-noise ratio improvement
Liittyvät organisaatiot
Hankkeet, joissa julkaisu on tehty
- coADDVA - ADDing VAlue by Computing in Manufacturing
- Hämäläinen, Timo
- Pirkanmaan liitto
OKM-raportointi: Kyllä
Raportointivuosi: 2023
JUFO-taso: 1