不规则张量低秩表示用于高光谱图像表示
计算机视觉与模式识别
2025-05-20 v4
摘要
光谱变化是分析高光谱图像（HSI）时常见的挑战。为了解决这一问题，低秩张量表示已成为一种稳健的策略，利用 HSI 数据中内在的相关性。然而，HS 图像中地物的空间分布本质上是不规则的，自然以张量格式呈现，大量类别特定区域表现为不规则张量。当前的低秩表示技术针对规则张量结构设计，忽视了现实世界 HS 图像中这种根本性的不规则性，导致性能受限。为解决此问题，我们提出了一种针对高效建模不规则 3D 立方体的不规则张量低秩表示新模型。通过引入非凸核范数以促进低秩性，并整合全局负低秩项以增强判别能力，我们将该模型构建为受限优化问题，并使用交替增广拉格朗日方法求解。在四个公开数据集上的实验验证表明，我们的方法优于现有方法。代码已公开于 https://github.com/hb-studying/ITLRR。
引用
@article{arxiv.2410.18388,
title = {Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation},
author = {Bo Han and Yuheng Jia and Hui Liu and Junhui Hou},
journal= {arXiv preprint arXiv:2410.18388},
year = {2025}
}
备注
Accepted by TIP