Haar 核范数及其在遥感图像恢复中的应用
图像与视频处理
2024-12-17 v2 计算机视觉与模式识别
摘要
遥感图像恢复旨在重构图像中缺失或损坏的区域。目前，低秩模型在该领域引发广泛关注。本文提出一种新型低秩正则化项，称为 Haar 核范数（HNN），以提高遥感图像恢复的效率与效果。该方法利用基于二维前平面Haar离散小波变换得到的小波系数低秩特性，有效建模图像中分离的粗粒度结构与细粒度纹理的低秩先验。在高光谱图像填洼、多时序图像云 removal 以及高光谱图像去噪实验中，HNN展现出潜力。通常情况下，HNN在填洼任务中相较于部分最先进方法（如张量相关总变换、完全连接张量网络）实现性能提升1-4 dB，加速度提升10-28倍。
引用
@article{arxiv.2407.08509,
title = {Haar Nuclear Norms with Applications to Remote Sensing Imagery Restoration},
author = {Shuang Xu and Chang Yu and Jiangjun Peng and Xiangyong Cao and Deyu Meng},
journal= {arXiv preprint arXiv:2407.08509},
year = {2024}
}