基于l_P范数的非凸低秩张量最小化

在低秩矩阵、张量最小化问题中,凸函数容易求得最优解,而非凸函数可以得到更低秩的局部解.文中基于非凸替换函数的低秩张量恢复问题,提出基于lp 范数的非凸张量模型.采用迭代加权核范数算法求解模型,实现低秩张量最小化.在合成数据和真实图像上的大量实验验证文中方法的恢复性能.

加权非凸非光滑低秩矩阵填充

本文利用矩阵奇异值上的l0范数的非凸替代族来逼近秩函数,提出一种新的加权非凸非光滑最小化问题,并使用迭代加权核范数(IRNN)算法来求解该问题。实验结果表明,该方法能够很好地处理非凸非光滑问题,实现图像去噪。