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

OKM-raportointi: Kyllä

Raportointivuosi: 2023

JUFO-taso: 1