-
题名截断核范数低秩张量核矩阵图像修复算法
- 1
-
-
作者
马瑞虾
张荣国
胡静
崔红艳
刘小君
-
机构
太原科技大学计算机科学与技术学院
合肥工业大学机械工程学院
-
出处
《计算机技术与发展》
2023年第6期54-60,共7页
-
基金
国家自然科学基金(51875152)
山西省自然科学基金(201801D121134)。
-
文摘
针对张量数据存在不完整和缺少项,导致图像修复过程中信息丢失的问题,提出了一种基于截断核范数和低秩张量核矩阵的图像修复算法TNN-LTKM(truncated nuclear norm low-rank tensor kernel matrix)。首先,引入张量截断核范数,对秩函数进行精确逼近,以增强优化模型的鲁棒性;其次,通过增加核心矩阵核范数扩展t-SVD中的张量核范数,定义了一个新的包含张量管秩和核矩阵秩的潜在核范数,来充分提取核张量中的低秩结构,消除冗余;接下来,采用增广拉格朗日法和交替方向乘子法对上述模型进行优化求解;最后,在ZJU、Berkeley和Kodak Lossless 3个数据集上进行实验验证,取相对平方误差、峰值信噪比、结构相似度和CPU运行时间4个评价指标,与现有的6种算法对比表明,TNN-LTKM算法在低采样率下有着良好的表现。
-
关键词
低秩图像修复
张量主成分分析
张量奇异值分解
矩阵核范数
张量截断核范数
-
Keywords
low rank image repair
tensor principal component analysis
singular value decomposition of tensors
kernel norm of matrix
tensor truncated nuclear norm
-
分类号
TP302.7
[自动化与计算机技术—计算机系统结构]
-
