一种基于T-SVD和正交字典学习的张量填充算法

基于张量奇异值分解和正交字典学习对张量填充问题展开研究,设计了一种张量加权核范数稀疏编码算法。采用张量加权核范数和具有正交字典学习的稀疏编码分别刻画原数据的全局低秩和局部稀疏特点,提高了所设计算法的性能。实验结果表明,与其他几种常见的算法相比,使用WTNNSC算法恢复彩色图像时,其峰值信噪比更高,视觉效果更佳。