用于图像恢复的自适应结构约束鲁棒隐低秩编码
计算机视觉与模式识别
2019-08-23 v2
摘要
本文提出一种称为自适应结构约束低秩编码（AS-LRC）的鲁棒表示学习模型，用于数据的隐表示。为了更准确地恢复底层子空间，AS-LRC 将基于自适应加权的块对角结构约束低秩表示与组稀疏显著特征提取无缝集成到统一框架中。具体而言，AS-LRC 将给定数据隐式分解为由块对角编码矩阵得到的低秩重建部分、组稀疏局部自适应显著特征部分以及稀疏误差部分。为使块对角结构自适应于不同真实数据集以实现低秩恢复，AS-LRC 基于局部自适应特征明确计算自动加权矩阵，并同时乘以低秩系数以直接最小化。这促使编码呈块对角，且可避免大多数保持局部几何结构的低秩编码方法中存在的选择最优邻域大小或核宽用于权重分配的棘手问题。此外，我们的 AS-LRC 在投影上选取 L2,1-范数来提取组稀疏特征，而非通过核范数正则化学习低秩特征，这可使学到的特征对样本中的噪声与离群点具有鲁棒性，并能使特征编码过程高效。大量可视化与数值结果证明了我们的 AS-LRC 在图像表示与恢复上的有效性。
引用
@article{arxiv.1908.07860,
title = {Adaptive Structure-constrained Robust Latent Low-Rank Coding for Image Recovery},
author = {Zhao Zhang and Lei Wang and Sheng Li and Yang Wang and Zheng Zhang and Zhengjun Zha and Meng Wang},
journal= {arXiv preprint arXiv:1908.07860},
year = {2019}
}
备注
Accepted by ICDM 2019 as a regular paper