基于部分正交矩阵向量张量分解的高光谱图像去噪
图像与视频处理
2020-07-03 v1 机器学习
摘要
高光谱图像(HSI)因额外的光谱信息而在多种应用中优于自然图像。在采集过程中，其常受到包括高斯噪声、脉冲噪声、死线与条带在内的严重噪声污染。图像质量退化会严重影响部分应用。本文中，我们提出一种名为平滑鲁棒低秩张量恢复的高光谱图像复原方法。具体而言，我们依据 HSI 的线性光谱混合模型提出一种结构张量分解。它将一个张量分解为外矩阵向量积之和，其中因端元光谱的独立性，向量相互正交。基于此，可充分揭示用于 HSI 去噪的全局低秩张量结构。此外，采用三维各向异性全变分以实现 HSI 的空间-光谱分段平滑。同时，包括脉冲噪声、死线与条带在内的稀疏噪声由 l1 范数正则化检测。Frobenius 范数用于真实场景中的重度高斯噪声。采用交替方向乘子法求解所提优化模型，其同时利用了 HSI 的全局低秩特性与空间-光谱平滑性。在模拟与真实数据上的数值实验表明了所提方法相对于现有方法的优越性。
引用
@article{arxiv.2007.01056,
title = {Hyperspectral Image Denoising with Partially Orthogonal Matrix Vector Tensor Factorization},
author = {Zhen Long and Yipeng Liu and Sixing Zeng and Jiani Liu and Fei Wen and Ce Zhu},
journal= {arXiv preprint arXiv:2007.01056},
year = {2020}
}