基于多模态与双重加权张量核范数的高光谱图像去噪
计算机视觉与模式识别
2022-06-22 v3
摘要
高光谱图像（HSIs）通常受到不同类型污染的损害。这严重降低了 HSIs 的质量并限制了后续处理任务的精度。HSI 去噪可建模为低秩张量去噪问题。由张量奇异值分解诱导的张量核范数（TNN）在该问题中起着重要作用。在本文中，我们首先重新思考 TNN 中三个不明显但关键的现象。在 HSIs 的傅里叶变换域中，不同频率切片（FS）包含不同信息；每个 FS 的不同奇异值（SVs）也代表不同信息。这两个物理现象不仅存在于光谱模式，也存在于空间模式。然后基于它们，我们提出了一种多模态与双重加权的 TNN。它可根据 FS 和 SVs 在 HSIs 所有模式中的物理意义自适应地收缩二者。在交替方向乘子法框架下，我们设计了一种有效的交替迭代策略来优化所提模型。在合成与真实 HSI 数据集上的去噪实验证明了其相对于相关方法的优越性。
引用
@article{arxiv.2101.07681,
title = {Hyperspectral Image Denoising via Multi-modal and Double-weighted Tensor Nuclear Norm},
author = {Sheng Liu and Xiaozhen Xie and Wenfeng Kong},
journal= {arXiv preprint arXiv:2101.07681},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2106.12489