推广的张量鲁棒主成分分析模型及其应用

近年来,张量在处理可视化数据方面有广泛的应用,以鲁棒主成分分析(RPCA)为基础,将其扩展至张量情况,张量鲁棒主成分分析(TRPCA)被提出,该模型已经成功应用于恢复彩色图像、视频的前背景分割等方面。然而TRPCA仅仅考虑了本身具有低秩性的图像,不能校正倾斜的彩色图像,为了解决这个问题,本文通过考虑变换后张量的低秩性和稀疏性进行建模,对TRPCA进行了推广,同时,我们还引入了张量的F范数来更好地处理高斯噪声和分割视频的动态背景。最后,在不同类型的彩色图像和视频上进行了大量实验,证明了本文方法的有效性。