用于高光谱超分辨率的非负耦合正交张量分解参数化算法
信号处理
2025-01-28 v1
摘要
近年来，耦合张量分解在光谱图像（HSI）和多光谱图像（MSI）数据融合用于高光谱超分辨率（HSR）中得到广泛应用。然而，现有工作常忽视图像数据的固有非负（NN）特性，或通过硬阈值法施加NN约束，可能干扰优化过程导致方法次优。为此，本文提出一种新型NN耦合正交张量分解（NN-C-CPD）算法，采用参数化方法和非线性最小二乘（NLS）框架将NN约束引入C-CPD计算。具体而言，将NN因子矩阵条目与一组潜在参数之间的关系转化为平方形式。基于链式求导法则，可推导关于潜在参数的梯度和雅可比矩阵，从而在不干扰优化过程的前提下自然集成NN约束。提供实验结果，表明所提出的NN-C-CPD算法在HSR应用中具有良好性能。
引用
@article{arxiv.2501.15197,
title = {A parametric non-negative coupled canonical polyadic decomposition algorithm for hyperspectral super-resolution},
author = {Xi-Yuan Liu and Xiao-Feng Gong and Lei Wang and Wei Feng and Qiu-Hua Lin},
journal= {arXiv preprint arXiv:2501.15197},
year = {2025}
}
备注
5 pages, 4 figures,ICASSP