受多粒度非局部自相似性先验约束的高光谱图像恢复
计算机视觉与模式识别
2025-08-05 v1
摘要
高光谱图像（HSI）恢复作为上游图像处理任务，对分类、分割和检测等下游任务具有重要意义。近年来，基于非局部先验表示的 HSI 恢复方法展现出了优异的性能。然而，这些方法采用固定格式的因子来表示非局部自相似性张量组，使其无法适应多样的缺失场景。为了解决这个问题，我们首次在张量分解中引入粒度的概念，并提出了一种受多粒度非局部自相似性先验约束的 HSI 恢复模型。具体而言，所提出的模型对非局部自相似性张量组交替执行粗粒度分解和细粒度分解。其中，粗粒度分解建立在 Tucker 张量分解的基础上，通过对模式展开矩阵执行奇异值收缩来提取图像的全局结构信息。细粒度分解采用 FCTN 分解，通过对因子张量之间的成对相关性进行建模来捕获局部细节信息。这种架构方法实现了 HSI 全局、局部和非局部先验的统一表示。实验结果表明，该模型具有很强的适用性，在像素和条纹等各种缺失场景中表现出色。
引用
@article{arxiv.2508.01435,
title = {Hyperspectral Image Recovery Constrained by Multi-Granularity Non-Local Self-Similarity Priors},
author = {Zhuoran Peng and Yiqing Shen},
journal= {arXiv preprint arXiv:2508.01435},
year = {2025}
}