用于无约束爱因斯坦张量分解的非负张量分解方法用于 hyperspectral 图像脱混
数值分析
2024-06-18 v1 数值分析
摘要
本文介绍了一种基于张量的方法用于非负张量分解（NTF）。该方法通过利用爱因斯坦积进行张量维度降低。为保持数据的规则性和稀疏性，施加了某些约束。此外，我们提出一种基于爱因斯坦积的张量乘法更新优化算法。为保证所提出算法收敛所需的最少迭代次数，我们采用Reduced Rank Extrapolation（RRE）和拓扑外推变换算法（TEA）。通过对高光谱图像（HI）进行去噪以及高光谱图像线性脱混的测试，展示了所提出模型的有效性。提供数值实验以论证所提出模型在合成数据和真实数据上的有效性。
引用
@article{arxiv.2406.11471,
title = {Non-negative Einstein tensor factorization for unmixing hyperspectral images},
author = {Anas El Hachimi and Khalide Jbilou and Ahmed Ratnani},
journal= {arXiv preprint arXiv:2406.11471},
year = {2024}
}