融合改进的张量相关全变分的鲁棒张量修补用于图像修复

图像在采集和捕捉过程中,往往存在噪声污染和缺失等退化情况,而鲁棒补全对此发挥着重要作用。目前这些方法大多利用图像的全局低秩和局部平滑先验来对其进行建模,包括独立编码方法和融合编码方法。然而,这些方法要么需要对两个以上参数进行繁琐的调整,要么平等地对待梯度矩阵/张量的每个奇异值,从而限制了处理实际问题的灵活性。在本文中,我们提出了改进的张量相关全变分(ITCTV)范数,以充分利用梯度张量的内在结构特性。所提出的ITCTV正则化器不需要权衡参数来平衡两个先验,并且进一步有效地利用了梯度张量奇异值的先验分布信息。我们将提出的方法应用在多种类型的视觉张量数据上,实验结果证明了所提出方法在图像修复上的有效性。