Autor:

Ülkü, Írem ; Kizgut, Ersin

Współtwórca:

Aitouche, Abdel - ed.

Tytuł:

Large-scale hyperspectral image compression via sparse representations based on online learning

Podtytuł:

.

Tytuł publikacji grupowej:

AMCS, volume 28 (2018)

Temat i słowa kluczowe:

hyperspectral imaging ; compression algorithms ; dictionary learning ; sparse coding

Abstract:

In this study, proximity based optimization algorithms are used for lossy compression of hyperspectral images that are inherently large scale. This is the first time that such proximity based optimization algorithms are implemented with an online dictionary learning method. Compression performances are compared with the one obtained by various sparse representation algorithms. As a result, proximity based optimization algorithms are listed among the three best ones in terms of compression performance values for all hyperspectral images. Additionally, the applicability of anomaly detection is tested on the reconstructed images.

Wydawca:

Zielona Góra: Uniwersytet Zielonogórski

Data wydania:

2018

Typ zasobu:

artykuł

DOI:

10.2478/amcs-2018-0015

Strony:

197-207

Źródło:

AMCS, volume 28, number 1 (2018) ; kliknij tutaj, żeby przejść

Jezyk:

eng

Licencja CC BY 4.0:

kliknij tutaj, żeby przejść

Prawa do dysponowania publikacją:

Biblioteka Uniwersytetu Zielonogórskiego