Application of filtering efficiency prediction to hyperspectral data pre-processing
Several approaches to prediction image denoising efficiency for DCT-based filter have been proposed recently. They allow predicting improvement of PSNR (IPSNR) and visual quality metrics as PSNR-HVS-M (IPHVS) for denoised images under condition of noise characteristics known or pre-estimated in adva...
Gespeichert in:
| Datum: | 2015 |
|---|---|
| Hauptverfasser: | , , , , , , , |
| Format: | Artikel |
| Sprache: | Englisch |
| Veröffentlicht: |
Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine
2015
|
| Schlagworte: | |
| Online Zugang: | https://ujrs.org.ua/ujrs/article/view/58 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Ukrainian Journal of Remote Sensing of the Earth |
Institution
Ukrainian Journal of Remote Sensing of the Earth| _version_ | 1856543025458577408 |
|---|---|
| author | Lukin, Volodymyr Krivenko, Sergiy Rubel, Oleksii Abramov, Sergey Zriakhov, Mikhail Uss, Mikhail Vozel, Benoit Chehdi, Kacem |
| author_facet | Lukin, Volodymyr Krivenko, Sergiy Rubel, Oleksii Abramov, Sergey Zriakhov, Mikhail Uss, Mikhail Vozel, Benoit Chehdi, Kacem |
| author_sort | Lukin, Volodymyr |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2025-12-28T01:09:21Z |
| description | Several approaches to prediction image denoising efficiency for DCT-based filter have been proposed recently. They allow predicting improvement of PSNR (IPSNR) and visual quality metrics as PSNR-HVS-M (IPHVS) for denoised images under condition of noise characteristics known or pre-estimated in advance. Here we apply the prediction approach to pre-processing ten sub-bands of Hyperion hyperspectral data. It is shown that there are sub-band images for which there is no necessity to carry out filtering. Meanwhile, there are sub-bands for which IPSNR reaches 5…9 dB and the use of denoising is expedient. |
| first_indexed | 2025-07-17T11:21:22Z |
| format | Article |
| id | uajuacgovua-article-58 |
| institution | Ukrainian Journal of Remote Sensing of the Earth |
| language | English |
| last_indexed | 2026-02-08T07:56:40Z |
| publishDate | 2015 |
| publisher | Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine |
| record_format | ojs |
| spelling | uajuacgovua-article-582025-12-28T01:09:21Z Application of filtering efficiency prediction to hyperspectral data pre-processing ПРИМЕНЕНИЕ ПРОГНОЗИРОВАНИЯ ЭФФЕКТИВНОСТИ ФИЛЬТРАЦИИ К ОБРАБОТКЕ ГИПЕРСПЕКТРАЛЬНЫХ ДАННЫХ Застосуваня прогнозування ефективності фільтрації до обробки гіперспектральних даних Lukin, Volodymyr Krivenko, Sergiy Rubel, Oleksii Abramov, Sergey Zriakhov, Mikhail Uss, Mikhail Vozel, Benoit Chehdi, Kacem remote sensing DCT-based filter efficiency prediction hyperspectral data дистанційне зондування ДКПфільтр прогнозування ефективності гіперспектральні дані Several approaches to prediction image denoising efficiency for DCT-based filter have been proposed recently. They allow predicting improvement of PSNR (IPSNR) and visual quality metrics as PSNR-HVS-M (IPHVS) for denoised images under condition of noise characteristics known or pre-estimated in advance. Here we apply the prediction approach to pre-processing ten sub-bands of Hyperion hyperspectral data. It is shown that there are sub-band images for which there is no necessity to carry out filtering. Meanwhile, there are sub-bands for which IPSNR reaches 5…9 dB and the use of denoising is expedient. Недавно были предложены несколько подходов к прогнозированию эффективности ДКП-фильтров. Они позволяют прогнозировать повышение ПОСШ (IPSNR) и улучшение метрики визуального качества PSNR-HVS-M (IPHVS) для обработанных изображений при условии, что характеристики помех известны или предварительно оценены. В статье прогнозирование применено к предварительной обработке десяти соседних каналов гиперспектральных данных сенсора Гиперион. Показано, что есть каналы, для которых не имеет смысла применять фильтрацию. Вместе с тем, есть и каналы, для которых IPSNR достигает 5…9 дБ и, соответственно, применение фильтрации целесообразно. Нещодавно було запропоновано декілька підходів до прогнозування ефективності ДКП-фільтрів. Вони дозволяють прогнозувати збільшення РВСШ (IPSNR) та покращення метрики візуальної якості PSNR-HVS-M (IPHVS) для оброблених зображень за умови, що характеристики завад є відомим або попередньо оцінені. В статті прогнозування застосовано до попередньої обробки десяти каналів гіперспектральних даних сенсора Гіперіон. Показано, що є канали, для яких немає сенсу застосовувати фільтрацію. Втім, є й канали, для яких IPSNR сягає 5…9 дБ і, відповідно, застосування фільтрації є доцільним. Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine 2015-12-28 Article Article application/pdf https://ujrs.org.ua/ujrs/article/view/58 10.36023/ujrs.2015.7.58 Ukrainian journal of remote sensing; No. 7 (2015); 4-11 Украинский журнал дистанционного зондирования Земли; № 7 (2015); 4-11 Український журнал дистанційного зондування Землі; № 7 (2015); 4-11 2313-2132 en https://ujrs.org.ua/ujrs/article/view/58/76 Copyright (c) 2016 Ukrainian journal of remote sensing |
| spellingShingle | remote sensing DCT-based filter efficiency prediction hyperspectral data Lukin, Volodymyr Krivenko, Sergiy Rubel, Oleksii Abramov, Sergey Zriakhov, Mikhail Uss, Mikhail Vozel, Benoit Chehdi, Kacem Application of filtering efficiency prediction to hyperspectral data pre-processing |
| title | Application of filtering efficiency prediction to hyperspectral data pre-processing |
| title_alt | ПРИМЕНЕНИЕ ПРОГНОЗИРОВАНИЯ ЭФФЕКТИВНОСТИ ФИЛЬТРАЦИИ К ОБРАБОТКЕ ГИПЕРСПЕКТРАЛЬНЫХ ДАННЫХ Застосуваня прогнозування ефективності фільтрації до обробки гіперспектральних даних |
| title_full | Application of filtering efficiency prediction to hyperspectral data pre-processing |
| title_fullStr | Application of filtering efficiency prediction to hyperspectral data pre-processing |
| title_full_unstemmed | Application of filtering efficiency prediction to hyperspectral data pre-processing |
| title_short | Application of filtering efficiency prediction to hyperspectral data pre-processing |
| title_sort | application of filtering efficiency prediction to hyperspectral data pre-processing |
| topic | remote sensing DCT-based filter efficiency prediction hyperspectral data |
| topic_facet | remote sensing DCT-based filter efficiency prediction hyperspectral data дистанційне зондування ДКПфільтр прогнозування ефективності гіперспектральні дані |
| url | https://ujrs.org.ua/ujrs/article/view/58 |
| work_keys_str_mv | AT lukinvolodymyr applicationoffilteringefficiencypredictiontohyperspectraldatapreprocessing AT krivenkosergiy applicationoffilteringefficiencypredictiontohyperspectraldatapreprocessing AT rubeloleksii applicationoffilteringefficiencypredictiontohyperspectraldatapreprocessing AT abramovsergey applicationoffilteringefficiencypredictiontohyperspectraldatapreprocessing AT zriakhovmikhail applicationoffilteringefficiencypredictiontohyperspectraldatapreprocessing AT ussmikhail applicationoffilteringefficiencypredictiontohyperspectraldatapreprocessing AT vozelbenoit applicationoffilteringefficiencypredictiontohyperspectraldatapreprocessing AT chehdikacem applicationoffilteringefficiencypredictiontohyperspectraldatapreprocessing AT lukinvolodymyr primenenieprognozirovaniâéffektivnostifilʹtraciikobrabotkegiperspektralʹnyhdannyh AT krivenkosergiy primenenieprognozirovaniâéffektivnostifilʹtraciikobrabotkegiperspektralʹnyhdannyh AT rubeloleksii primenenieprognozirovaniâéffektivnostifilʹtraciikobrabotkegiperspektralʹnyhdannyh AT abramovsergey primenenieprognozirovaniâéffektivnostifilʹtraciikobrabotkegiperspektralʹnyhdannyh AT zriakhovmikhail primenenieprognozirovaniâéffektivnostifilʹtraciikobrabotkegiperspektralʹnyhdannyh AT ussmikhail primenenieprognozirovaniâéffektivnostifilʹtraciikobrabotkegiperspektralʹnyhdannyh AT vozelbenoit primenenieprognozirovaniâéffektivnostifilʹtraciikobrabotkegiperspektralʹnyhdannyh AT chehdikacem primenenieprognozirovaniâéffektivnostifilʹtraciikobrabotkegiperspektralʹnyhdannyh AT lukinvolodymyr zastosuvanâprognozuvannâefektivnostífílʹtracíídoobrobkigíperspektralʹnihdanih AT krivenkosergiy zastosuvanâprognozuvannâefektivnostífílʹtracíídoobrobkigíperspektralʹnihdanih AT rubeloleksii zastosuvanâprognozuvannâefektivnostífílʹtracíídoobrobkigíperspektralʹnihdanih AT abramovsergey zastosuvanâprognozuvannâefektivnostífílʹtracíídoobrobkigíperspektralʹnihdanih AT zriakhovmikhail zastosuvanâprognozuvannâefektivnostífílʹtracíídoobrobkigíperspektralʹnihdanih AT ussmikhail zastosuvanâprognozuvannâefektivnostífílʹtracíídoobrobkigíperspektralʹnihdanih AT vozelbenoit zastosuvanâprognozuvannâefektivnostífílʹtracíídoobrobkigíperspektralʹnihdanih AT chehdikacem zastosuvanâprognozuvannâefektivnostífílʹtracíídoobrobkigíperspektralʹnihdanih |