-
题名基于TT秩非凸优化的张量填充方法
- 1
-
-
作者
杨云荷
凌晨
-
机构
杭州电子科技大学理学院
-
出处
《杭州电子科技大学学报(自然科学版)》
2023年第3期83-88,共6页
-
基金
国家自然科学基金资助项目(11971138)。
-
文摘
提出一种基于张量火车(Tensor Train, TT)分解的低秩张量填充(Low Rank Tensor Completion, LRTC)模型。首先,采用张量Ket扩展(Ket Augmentation, KA)技术将三阶张量扩展为高阶张量,揭示数据张量中的块低秩性;然后,采用非凸函数逼近秩函数,更好地刻画了数据的低秩性。彩色图像恢复实验表明,提出的方法具有较高的峰值信噪比(Peak Signal to Noise Ratio, PSNR)值,在10%~40%的低采样率下,优势更为明显。
-
关键词
张量填充
张量火车秩
非凸优化
Ket扩展
图像恢复
-
Keywords
tensor completion
tensor train rank
nonconvex optimization
Ket augmentation
image restoration
-
分类号
O221.2
[理学—运筹学与控制论]
-
-
题名基于非局部张量火车分解的彩色图像修补
被引量:2
- 2
-
-
作者
贾慧迪
韩志
陈希爱
唐延东
-
机构
中国科学院沈阳自动化研究所机器人学国家重点实验室
中国科学院机器人与智能制造创新研究院
中国科学院大学
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2019年第10期955-963,共9页
-
文摘
数据在采集和转换的过程中通常存在部分数据丢失的问题,丢失数据的补全直接影响后续的识别、跟踪等高层任务的结果.自然图像中经常存在许多具有重复特性的相似结构,利用该类冗余信息,文中提出基于非局部张量火车分解的张量补全方法.利用图像的非局部相似性,挖掘其中蕴含的低秩特性,并通过张量火车分解模型进行建模及升阶,将低阶张量转化为高阶以进行低秩信息的进一步挖掘利用,从而进行图像中缺失数据的修补.实验验证文中方法在图像修补上的有效性.
-
关键词
张量火车分解
非局部相似性
低秩性
图像修补
-
Keywords
tensor train Factorization
Nonlocal Similarity
Low rank
Image Completion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-