3DeepRep：用于高光谱图像插值的3D深度低秩张量表示
计算机视觉与模式识别
2025-06-23 v1 图像与视频处理
摘要
最近基于变换的张量核范数（TNN）方法在高光谱图像（HSI）插值中显示出显著的有效性，通过利用潜在表示中的低秩结构。最新的研究 incorpora deep transforms 以提高低秩张量表示，但现有方法通常仅限制性地将变换限定在光谱模式上，忽略了沿其他张量模式的低秩特性。本文提出了一种新型的3方向深度低秩张量表示（3DeepRep）模型，该模型在HSI张量的所有三个模式上执行深度非线性变换。为实现低秩性，模型对每个方向（i=1,2,3）在相应潜在空间中对模式i前平面施加核范数，形成3方向TNN正则化。三个方向分支的输出随后通过可学习的聚合模块融合，以产生最终结果。开发了一种高效的基于梯度的优化算法，以自监督方式求解该模型。在真实世界的HSI数据集上进行的大量实验表明，所提出的方法在现有最先进技术的定性和定量性能方面具有优势。
引用
@article{arxiv.2506.16735,
title = {3DeepRep: 3D Deep Low-rank Tensor Representation for Hyperspectral Image Inpainting},
author = {Yunshan Li and Wenwu Gong and Qianqian Wang and Chao Wang and Lili Yang},
journal= {arXiv preprint arXiv:2506.16735},
year = {2025}
}