基于张量 Tucker 分解的点云去噪
计算机视觉与模式识别
2019-05-17 v2
摘要
本文中，我们提出了一种基于张量 Tucker 分解的点云去噪新算法。我们首先将含噪点云的局部曲面块以其到参考点的距离表示为矩阵，并将相似的块矩阵堆叠为一个三阶张量。然后我们使用 Tucker 分解将该块张量压缩为一个尺寸更小的核心张量。我们将该核心张量视为频域，并通过硬阈值处理来去除噪声。最后，去噪后块张量的所有纤维被放回原处，若有多个估计量重叠则取平均。实验评估表明，在高斯噪声较高（）时，所提算法优于最先进的图拉普拉斯正则化（GLR）算法，而在较低噪声情况（）下 GLR 算法更优。
引用
@article{arxiv.1902.07602,
title = {Point cloud denoising based on tensor Tucker decomposition},
author = {Jianze Li and Xiao-Ping Zhang and Tuan Tran},
journal= {arXiv preprint arXiv:1902.07602},
year = {2019}
}
备注
5 pages, 1 figure