一种用于重尾噪声下结构化卡通-纹理图像分解的鲁棒低秩先验模型
计算机视觉与模式识别
2026-03-31 v1 最优化与控制
摘要
卡通-纹理图像分解是图像处理中一个基础但具有挑战性的问题。实现精确分解的一个重大障碍是观测图像中普遍存在的噪声，这严重阻碍了鲁棒结果的获得。为了解决重尾噪声下卡通-纹理分解这一难题，本文提出了一种鲁棒的低秩先验模型。我们的方法不同于传统模型，它采用Huber损失函数作为数据保真项，而不是传统的范数，同时保留全变分范数和核范数分别表征卡通分量和纹理分量。鉴于其固有结构，我们采用了两种可实现的算子分裂算法，这些算法针对不同的退化算子进行了定制。大量的数值实验，特别是在高强度重尾噪声下的图像恢复任务中，有效地证明了我们模型的优越性能。
引用
@article{arxiv.2603.27579,
title = {A Robust Low-Rank Prior Model for Structured Cartoon-Texture Image Decomposition with Heavy-Tailed Noise},
author = {Weihao Tang and Hongjin He},
journal= {arXiv preprint arXiv:2603.27579},
year = {2026}
}
备注
This paper introduces a robust model for cartoon-texture image decomposition with heavy-tailed noise. It has 11 figures and 4 tables