基于张量增强与补全的级联图像补全
机器学习
2016-07-15 v1 计算机视觉与模式识别
数据结构与算法
摘要
本文提出了一种名为基于张量增强与补全的级联图像补全 (ICTAC) 的新框架，该框架能够以高精度恢复彩色图像的缺失条目。典型图像根据其是灰度还是彩色而表现为二阶或三阶张量 (2D/3D)，因此张量补全算法非常适合用于其恢复。所提出的框架通过将具有缺失条目的单张图像的副本级联成三阶张量，对该张量应用维度增强技术，利用张量补全算法恢复其缺失条目，最后从张量中提取恢复后的图像，从而执行图像补全。该解决方案依赖于最近提出的两个关键组件以利用张量火车 (TT) 秩的优势：一种称为 ket 增强 (KA) 的张量增强工具，它将低阶张量表示为高阶张量；以及通过张量火车进行并行矩阵分解的张量补全算法 (TMac-TT)，该算法已被证明优于最先进的张量补全算法。彩色图像恢复的模拟结果显示，我们的框架相对于当前最先进的张量补全算法具有明显优势。
引用
@article{arxiv.1607.03967,
title = {Concatenated image completion via tensor augmentation and completion},
author = {Johann A. Bengua and Hoang D. Tuan and Ho N. Phien and Minh N. Do},
journal= {arXiv preprint arXiv:1607.03967},
year = {2016}
}
备注
7 pages, 6 figures, submitted to ICSPCS 2016