基于加权高阶奇异值正则化的快照式高光谱成像
图像与视频处理
2021-01-25 v1 计算机视觉与模式识别
摘要
快照式高光谱成像可通过单次二维测量捕获三维高光谱图像(HSI),近年来受到越来越多的关注。从压缩测量中恢复底层HSI是一个不适定问题,利用图像先验对于求解该不适定问题至关重要。然而,现有的重建方法总是从一维向量或二维矩阵建模图像先验出发,无法充分利用三维HSI中结构化的谱-空特性,从而导致保真度较差。本文提出一种基于高阶张量优化的有效方法,以提升快照式高光谱成像的重建保真度。我们首先通过利用HSI中的空间-光谱相关性构建高阶张量。然后,提出一种基于加权高阶奇异值正则化(WHOSVR)的低秩张量恢复模型来刻画HSI的结构先验。通过将WHOSVR中的结构先验与系统成像过程相融合,我们构建了HSI重建的优化框架,并最终通过交替最小化算法求解。在两个代表性系统上进行的广泛实验表明,我们的方法优于现有最优方法。
引用
@article{arxiv.2101.08923,
title = {Snapshot Hyperspectral Imaging Based on Weighted High-order Singular Value Regularization},
author = {Niankai Cheng and Hua Huang and Lei Zhang and Lizhi Wang},
journal= {arXiv preprint arXiv:2101.08923},
year = {2021}
}
备注
This paper has been accepted by IEEE ICPR2020