用于图像恢复的非局部低秩张量因子分析
计算机视觉与模式识别
2018-03-20 v1 机器学习
摘要
低秩信号建模已被广泛利用以捕捉图像处理应用中的非局部相关性。我们提出了一种新方法，对由分组图像块生成的张量采用低秩张量因子分析。将低秩张量输入交替方向乘子法 (ADMM) 以进一步提升图像重建效果。其驱动应用为压缩感知 (CS)，并采用深度卷积架构来近似 CS 应用中代价高昂的矩阵求逆。本文详细提出了一种基于该低秩张量分解策略的迭代算法，称为 NLR-TFA。在无噪声和有噪声 CS 测量上的实验结果展示了所提方法的优越性，尤其是在低 CS 采样率下。
引用
@article{arxiv.1803.06795,
title = {Nonlocal Low-Rank Tensor Factor Analysis for Image Restoration},
author = {Xinyuan Zhang and Xin Yuan and Lawrence Carin},
journal= {arXiv preprint arXiv:1803.06795},
year = {2018}
}