面向高光谱图像去噪的多模态与频率加权张量核范数
图像与视频处理
2022-06-22 v3 计算机视觉与模式识别
摘要
低秩性在高光谱图像(HSI)去噪任务中十分重要。基于张量奇异值分解定义的张量核范数(TNN)是刻画HSI低秩性的一种最先进方法。然而,TNN在处理去噪任务时忽略了HSI的一些物理意义,导致去噪性能次优。本文中,我们提出多模态与频率加权张量核范数(MFWTNN)以及用于HSI去噪任务的非凸MFWTNN。首先,我们研究频率片的物理意义并重新考量其权重,以提升TNN的低秩表示能力。其次,我们考虑HSI两个空间维度与光谱维度之间的相关性,并结合上述对TNN的改进提出MFWTNN。第三,我们利用非凸函数逼近频率张量的秩函数,提出NonMFWTNN以更好地松弛MFWTNN。此外,我们自适应地为主要包含噪声信息的片分配较大权重,为包含轮廓信息的片分配较小权重。最后,我们开发了基于交替方向乘子法(ADMM)的高效算法来求解所提模型,并在模拟与真实HSI数据集上证实了模型的有效性。
引用
@article{arxiv.2106.12489,
title = {Multi-modal and frequency-weighted tensor nuclear norm for hyperspectral image denoising},
author = {Xiaozhen Xie and Sheng Liu},
journal= {arXiv preprint arXiv:2106.12489},
year = {2022}
}
备注
This version modifies the list of authors, due to the changes of some authors' affiliations and the affiliations' requirements