Pàgina inicial > Resultats de la cerca: IEEE Geoscience and Remote Sensing Letters
  Consells de cerca
Cerca avançada
Cerca col·leccions:
Ordena'ls per: Mostrar els resultats: Format de visualizació:
Dipòsit Digital de Documents de la UAB 6 registres trobats  La cerca s'ha fet en 0.02 segons. 
1.
5 p, 4.2 MB Reduced-Complexity Multirate Remote Sensing Data Compression With Neural Networks / Mijares i Verdú, Sebastià (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ; Chabert, Marie (Université de Toulouse) ; Oberlin, Thomas (Université de Toulouse) ; Serra Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
One of the main limitations to the adoption of deep learning for image compression is the need to train multiple models to compress at multiple rates. In the case of onboard remote sensing data compression, another limitation is the computational cost of the neural networks. [...]
2023 - 10.1109/LGRS.2023.3325477
IEEE Geoscience and Remote Sensing Letters, Vol. 20 (October 2023) , art. 6011705  
Registre complet - Creative Commons
2.
6 p, 488.4 KB Reducing data dependencies in the feedback loop of the CCSDS 123.0-B-2 predictor / Sánchez, Antonio José (Universidad de Las Palmas de Gran Canaria. Instituto Universitario de Microelectrónica Aplicada) ; Blanes Garcia, Ian (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ; Barrios, Yubal (Universidad de Las Palmas de Gran Canaria. Instituto Universitario de Microelectrónica Aplicada) ; Hernández-Cabronero, Miguel (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ; Bartrina Rapesta, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ; Serra Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ; Sarmiento, Roberto (Universidad de Las Palmas de Gran Canaria. Instituto Universitario de Microelectrónica Aplicada)
On-board multi- and hyperspectral instruments acquire large volumes of data that need to be processed with the limited computational and storage resources. In this context, the CCSDS 123. 0-B-2 standard emerges as an interesting option to compress multi- and hyperspectral images on-board satellites, supporting both lossless and near-lossless compression with low complexity and reduced power consumption. [...]
2022 - 10.1109/LGRS.2022.3213975
IEEE Geoscience and Remote Sensing Letters, Vol. 19 (October 2022) , art. 6014505  
Registre complet -
3.
6 p, 3.2 MB Competitive Segmentation Performance on Near-lossless and Lossy Compressed Remote Sensing Images / García-Sobrino, Joaquín (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ; Pinho, Armando J. (University of Aveiro. Signal Processing Laboratory) ; Serra Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Image segmentation lies at the heart of multiple image processing chains, and achieving accurate segmentation is of utmost importance as it impacts later processing. Image segmentation has recently gained interest in the field of remote sensing, mostly due to the widespread availability of remote sensing data. [...]
2019 - 10.1109/LGRS.2019.2934997
IEEE geoscience and remote sensing letters, vol. 17 5 (August 2019)  
Registre complet -
4.
6 p, 344.1 KB Multilevel split regression wavelet analysis for lossless compression of remote sensing data / Álvarez-Cortés, Sara (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ; Bartrina Rapesta, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ; Serra Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Spectral redundancy is a key element to be exploited in compression of remote sensing data. Combined with an entropy encoder, it can achieve competitive lossless coding performance. One of the latest techniques to decorrelate the spectral signal is the regression wavelet analysis (RWA). [...]
2018 - 10.1109/LGRS.2018.2850938
IEEE geoscience and remote sensing letters, Vol. 15 issue 10 (Oct. 2018) , p. 1540-1544  
Registre complet -
5.
5 p, 227.6 KB Diffusion-based inpainting for coding remote-sensing data / Amrani, Naoufal (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ; Serra Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ; Peter, Pascal (Saarland University (Alemanya). Mathematical Image Analysis Group) ; Weickert, Joachim (Saarland University (Alemanya). Mathematical Image Analysis Group)
Inpainting techniques based on partial differential equations (PDEs) such as diffusion processes are gaining growing importance as a novel family of image compression methods. Nevertheless, the application of inpainting in the field of hyperspectral imagery has been mainly focused on filling in missing information or dead pixels due to sensor failures. [...]
2017 - 10.1109/LGRS.2017.2702106
IEEE geoscience and remote sensing letters, Vol. PP, issue 99 (June 2017)  
Registre complet -
6.
5 p, 1.6 MB Hybrid compression of hyperspectral images based on PCA with pre-encoding discriminant information / Lee, Chulhee (Yŏnse Taehakkyo. School of Electrical and Electronic Engineering) ; Youn, Sungwook (Yŏnse Taehakkyo. School of Electrical and Electronic Engineering) ; Jeong, Taeuk (Yŏnse Taehakkyo. School of Electrical and Electronic Engineering) ; Lee, Eunjae (Yŏnse Taehakkyo. School of Electrical and Electronic Engineering) ; Serra Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
It has been shown that image compression based on principal component analysis (PCA) provides good compression efficiency for hyperspectral images. However, PCA might fail to capture all the discriminant information of hyperspectral images, since features that are important for classification tasks may not be high in signal energy. [...]
2015 - 10.1109/LGRS.2015.2409897
IEEE geoscience and remote sensing letters, Vol. 12 Núm. 7 (July 2015) , p. 1491-1495  
Registre complet -

Us interessa rebre alertes sobre nous resultats d'aquesta cerca?
Definiu una alerta personal via correu electrònic o subscribiu-vos al canal RSS.
Dipòsit Digital de Documents de la UAB :: Cerca :: Lliura :: Personalitza :: Ajuda
Powered by Invenio v1.1.6
Mantingut per ddd.bib@uab.cat  :: Metadades subjectes a:
Col·laborem