增强型 3DTV 正则化及其在高光谱图像去噪与压缩感知中的应用
计算机视觉与模式识别
2018-09-19 v1
摘要
三维全变分（3DTV）是一种强大的正则化项，它编码了高光谱图像（HSI）底层的局部平滑先验结构，用于一般 HSI 处理任务。该项通过计算沿空间和光谱 HSI 模式所得梯度图所有波段上相同且独立的稀疏结构来求得。然而，这总是与真实情况严重偏离，其中梯度图各波段通常具有不同但相关的稀疏结构。这种偏离往往会通过采用此类先验项而阻碍相关方法的性能。针对此问题，本文提出一种超越传统 3DTV 的增强型 3DTV（E-3DTV）正则化项。新项不在梯度图自身上施加稀疏性，而是计算沿其波段梯度图子空间基上的稀疏性，这自然编码了这些波段间的相关性与差异，并更忠实地反映了 HSI 的深刻构型。E-3DTV 项可轻易替换先前的 3DTV 项并嵌入 HSI 处理模型以提升其性能。所提方法的优越性通过在与专为这两类任务设计的最先进方法比较下、在两项典型相关任务（HSI 去噪与压缩感知）上的大量实验得到证实。
引用
@article{arxiv.1809.06591,
title = {Enhanced 3DTV Regularization and Its Applications on Hyper-spectral Image Denoising and Compressed Sensing},
author = {Jiangjun Peng and Qi Xie and Qian Zhao and Yao Wang and Deyu Meng and Yee Leung},
journal= {arXiv preprint arXiv:1809.06591},
year = {2018}
}
备注
25 pages, 27 figures, 3 tables, machine learning, regularization