• 学术研究 • 下一篇
刘佳慧, 朱玉莲
LIU Jiahui, ZHU Yulian
摘要: 许多张量补全方法的共同点是首先通过预定义的变换将张量投影至变换域中,然后刻画变换域中张量(简记为变换张量)的低秩性或稀疏性,但是预定义的变换并不具备一般性。针对这一问题,首先提出了一个基于自适应变换的张量均秩,该秩的定义是基于可逆线性变换的张量均秩的一个扩展;然后提出了一种自适应变换结合非凸松弛的张量补全模型。自适应体现在变换张量是未知的待求解张量,它可以基于观测张量在最小化目标函数的过程中不断进行自身的调整,直至成为目标函数的最优解。该模型使用非凸替代近似估计基于自适应变换的张量均秩,并采用范数衡量变换张量的稀疏性。在通过近端交替最小化的框架求解最优解的过程中,该模型根据观测的张量自适应地学习变换低秩张量和变换稀疏张量,再通过学习到的变换矩阵分别将变换低秩张量和变换稀疏张量转化到原始空间,最终得到补全后的张量。在灰度视频、多光谱图像和高光谱图像上进行了实验,将该方法与其他代表性的张量补全方法相比较,实验结果表明该方法进一步提升了补全的性能。