高光谱图像复原综述：从低秩张量近似视角
图像与视频处理
2022-05-19 v1
摘要
捕获精细光谱判别信息的能力使高光谱图像（HSIs）能够观测、检测并识别具有细微光谱差异的物体。然而，由于环境扰动、大气效应和传感器硬件限制，所捕获的 HSI 可能无法代表地物的真实分布，且成像仪器接收到的反射率可能发生退化。这些退化包括但不限于：复杂噪声（即高斯噪声、脉冲噪声、稀疏条带及其混合）、重条带、死线、云与阴影遮挡、模糊与空间分辨率退化以及光谱吸收等。这些退化大幅降低了 HSI 的质量与可用性。低秩张量近似（LRTA）正是一项新兴技术，在 HSI 复原领域获得大量关注，其理论基础不断增长且技术创新关键。相较于低秩矩阵近似（LRMA），LRTA 能够刻画高阶数据更复杂的固有结构，并具备更高效的学习能力，被用于解决由 HSI 复原引起的凸与非凸逆优化问题。本综述主要试图对面向 HSI 复原的 LRTA 给出一个精细、前沿且全面的技术综述，特别关注以下六个主题：去噪、去条带、修复、去模糊、超分辨率和融合。LRTA 技术的理论发展与变体亦予以详述。对于每个主题，通过定量与视觉评估比较了最先进的复原方法。还给出了开放问题与挑战，包括模型构建、算法设计、先验探索以及关乎解译需求的应用。
引用
@article{arxiv.2205.08839,
title = {A Survey on Hyperspectral Image Restoration: From the View of Low-Rank Tensor Approximation},
author = {Na Liu and Wei Li and Yinjian Wang and Rao Tao and Qian Du and Jocelyn Chanussot},
journal= {arXiv preprint arXiv:2205.08839},
year = {2022}
}
备注
Under review in Science China Information Siences