基于无训练四元数卷积神经网络的四元数矩阵补全用于彩色图像修复
图像与视频处理
2023-05-02 v1
摘要
使用四元数作为彩色图像表示的新工具，在彩色图像处理中取得了令人印象深刻的成果。通过将彩色图像视为统一实体而非分离的彩色空间分量，四元数能够有效利用RGB通道间的强相关性，从而提升性能。特别是近年来，彩色图像修复任务从四元数矩阵补全技术的应用当中高度受益。然而，现有的四元数矩阵补全方法存在两个主要缺陷。首先，难以选择能够捕捉自然图像共同特征的正则化子，且有时基于经验证据所选的正则化子可能并非最优或高效的选择。其次，由于四元数乘法的不可交换性，四元数矩阵补全模型的优化过程颇具挑战。为解决上述现有四元数矩阵补全方法的两项缺陷，本文倾向于使用无训练四元数卷积神经网络（QCNN）直接生成补全后的四元数矩阵。该方法以QCNN学习到的隐式先验替代四元数矩阵补全模型中的显式正则化项。大量定量与定性评估表明，相较于一些现有的基于四元数和基于张量的方法，所提方法在彩色图像修复上具有优越性。
引用
@article{arxiv.2305.00416,
title = {Quaternion Matrix Completion Using Untrained Quaternion Convolutional Neural Network for Color Image Inpainting},
author = {Jifei Miao and Kit Ian Kou and Liqiao Yang and Juan Han},
journal= {arXiv preprint arXiv:2305.00416},
year = {2023}
}