×
丁、孟;黄廷珠;季腾宇;赵喜乐;杨京华

基于张量列秩和总变差的矩阵分解实现低秩张量补全。 （英语） Zbl 1466.94005号

科学杂志。计算。 81，第2号，941-964（2019）.
摘要：最近，基于张量序列的并行矩阵分解张量补全方法（TMac-TT）在估计缺失信息方面取得了良好的性能。TMac-TT利用ket增强将低阶张量转换为高阶张量，因此存在严重的块伪影。为了解决这个问题，我们建立了一个基于张量列（TT）秩和总变差的低秩矩阵分解相结合的优化模型，以保持TT秩的强度并减轻块伪影。我们开发了一种块连续上界最小化算法来求解所提出的模型。在一些温和的条件下，我们从理论上证明了所提出的算法收敛到坐标最小。大量的数值实验表明，该方法在定性和定量方面优于现有的几种先进方法。

引用于19文件

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
65平方英尺 线性系统和矩阵反演的直接数值方法
65K10像素 数值优化和变分技术

关键词：

低秩张量补全;张量列秩;总变化量;块连续上界最小化
PDF格式BibTeX公司 XML格式引用
\textit{M.Ding}等人，《科学杂志》。计算。81，第2号，941-964（2019年；Zbl 1466.94005）
全文： DOI程序

参考文献：

[1] Bengua，J.A.，Phiem，H.N.，Tuan，H.D.，Do，M.N.：彩色图像和视频恢复的有效张量补全：低阶张量序列。IEEE传输。图像处理。26(5), 2466-2479 (2017) ·Zbl 1409.94036号 ·doi:10.1109/TIP.2017.2672439
[2] Bertalmio，M.，Sapiro，G.，Caselles，V.，Ballester，C.：图像修复。信号图4（9），417-424（2000）
[3] Cao，W.-F，Wang，Y.，Sun，J.，Meng，D.-Y，Yang，C.，Cichocki，A.，Xu，Z.-B.：从压缩测量中减去背景的总变化正则化张量RPCA。IEEE传输。图像处理。25(9), 4075-4090 (2016) ·Zbl 1408.94065号 ·doi:10.1109/TIP.2016.2579262
[4] Chan，S.H.，Khoshabeh，R.，Gibson，K.B.，Gill，P.E.，Nguyen，T.Q.：全变差视频恢复的增广拉格朗日方法。IEEE传输。图像处理。20(11), 3097-3111 (2011) ·Zbl 1372.94034号 ·doi:10.1109/TIP.2011.2158229
[5] Chen，Y.，Huang，T.-Z.，Zhao，X.-L.：使用低阶张量分解的多光谱遥感图像去噪。IEEE J.选择。顶部。申请。地球天体遥感11（12），4950-4967（2018）·doi:10.1109/JSTARS.2018.2877722
[6] Fu，Y.，Dong，W.S.：使用低阶张量近似的三维磁共振图像去噪。神经计算195，30-39（2016）·doi:10.1016/j.neucom.2015.09.125
[7] Gandy，S.，Recht，B.，Yamada，I.：通过凸优化实现张量补全和低阶张量恢复。反向探测。27(2), 025010 (2011) ·Zbl 1211.15036号 ·doi:10.1088/0266-5611/27/2/025010
[8] Gao，S.-Q.，Fan，Q.-B.：张量补全的核范数和矩阵分解的混合。科学杂志。计算。75, 43-64 (2018) ·Zbl 1405.65059号 ·doi:10.1007/s10915-017-0521-9
[9] Hillar，C.J.，Lim，L.H.：大多数张量问题都是NP-hard问题。J.ACM 60（6），45（2013）·Zbl 1281.68126号 ·doi:10.1145/2512329
[10] Iordache，M.D.，Bioucas Dias，J.M.，Plaza，A.：稀疏高光谱分解的总变化空间正则化。IEEE传输。地质科学。遥感器50（11），4484-4502（2012）·doi:10.1109/TGRS.2012.2191590
[11] Ji，H.，Liu，C.，Shen，Z.，Xu，Y.：使用低秩矩阵补全的鲁棒视频去噪。摘自：IEEE计算机视觉和模式识别会议，第1791-1798页（2010年）
[12] Ji，T.-Y.，Huang，T.-Z.，Zhao，X.-L.，Ma，T.-H.，Deng，L.-J.：张量补全的非凸张量秩近似。申请。数学。模型。48, 410-422 (2017) ·Zbl 1480.90259号 ·doi:10.1016/j.apm.2017.04.002
[13] Ji，T.-Y.，Huang，T.-Z.，Zhao，X.-L.，Ma，T.-H.，Liu，G.：使用全变差和低秩矩阵因式分解的张量完成。信息科学。326, 243-257 (2016) ·兹比尔1387.94038 ·doi:10.1016/j.ins.2015.07.049
[14] Jiang，T.-X.，Huang，T.-Z.，Zhao，X.-L.，Deng，L.-J.，Wang，Y.：FastDeRain：一种使用方向梯度先验的新型视频雨条纹去除方法。IEEE传输。图像处理。28(4), 2089-2102 (2019) ·doi:10.1109/TIP.2018.2880512
[15] Jiang，T.-X.，Huang，T-Z.，Zhao，X.-L.，Ji，T.Y.，Deng，L.-J.：使用框架先验的低阶张量补全的矩阵因式分解。信息科学。436-437, 403-417 (2018) ·Zbl 1448.15015号 ·doi:10.1016/j.ins.2018.01.035
[16] Khoromskij，B.，Khoromscaia，V.：函数相关多维数组的多重网格加速张量近似。SIAM J.科学。计算。31(4), 3002-3026 (2009) ·Zbl 1197.65215号 ·数字对象标识代码：10.1137/080730408
[17] Kolda，T.G.，Bader，B.W.：张量分解和应用。SIAM版本51（3），455-500（2009）·Zbl 1173.65029号 ·doi:10.1137/07070111X
[18] Kolda，T.G.，Bader，B.W.，Kenny，J.P.：使用多线性代数进行高阶网络链接分析。摘自：IEEE数据挖掘国际会议，第242-249页（2005）
[19] Komodakis，N.：使用全局优化完成图像。摘自：IEEE计算机视觉和模式识别会议，第1卷，第442-452页（2006）
[20] Latorre，J.I.：图像压缩和纠缠。(2005). arXiv:quant-ph/0510031
[21] Li，F.，Ng，M.K.，Plemmons，R.J.：用于高光谱材料识别的耦合分割和去噪/去模糊模型。数字。线性代数应用。19(1), 153-173 (2012) ·Zbl 1274.94005号 ·doi:10.1002/nla.750
[22] Liu，J.、Musialski，P.、Wonka，P.和Ye，J.：估计视觉数据中缺失值的张量补全。IEEE传输。模式分析。机器。智力。35(1), 208-220 (2013) ·doi:10.10109/TPAMI.2012.39
[23] Lu，C.-Y.，Feng，J.-S.，Lin，Z.C.，Yan，S.-C.：从高斯测量中精确恢复低管秩张量。参加：国际人工智能联合会议（2018）
[24] Luo，Y.，Ward，R.K.：消除基于块的DCT压缩图像的块效应。IEEE传输。图像处理。12(7), 838-842 (2003) ·doi:10.1109/TIP.2003.814252
[25] Mei，J.-J.，Dong，Y.-Q.，Huang，T.-Z.，Yin，W.-T.：用具有收敛保证的非凸admm去除Cauchy噪声。科学杂志。计算。74, 743-766 (2018) ·Zbl 06858871号 ·文件编号：10.1007/s10915-017-0460-5
[26] Mu，C.，Huang，B.，Wright，J.，Goldfarb，D.：平方协议：张量恢复的下限和改进的松弛度。摘自：机器学习国际会议，第73-81页（2014年）
[27] Oseledets，I.V.：张量序列分解。SIAM J.科学。计算。33(5), 2295-2317 (2011) ·Zbl 1232.15018号 ·doi:10.1137/090752286
[28] Oseledets，I.V.、Savostianov，D.V.、Tyrtyshnikov，E.E.：线性时间三维阵列的Tucker降维。SIAM J.矩阵分析。申请。30(3), 939-956 (2008) ·Zbl 1180.15025号 ·数字对象标识代码：10.1137/060655894
[29] Oseledets，I.V.，Tyrtyshnikov，E.，Zamarashkin，N.：矩阵及其逆矩阵的张量-应变秩。计算。方法应用。数学。11(3), 394-403 (2011) ·Zbl 1283.15041号 ·doi:10.2478/cmam-2011-0021
[30] Razaviyayn，M.，Hong，M.、Luo，Z.-Q.：非光滑优化的块逐次最小化方法的统一收敛性分析。SIAM J.Optim公司。23(2), 1126-1153 (2012) ·Zbl 1273.90123号 ·doi:10.1137/120891009
[31] Rudin，L.I.，Osher，S.，Fatemi，E.：基于非线性总变差的噪声去除算法。物理学。D非线性现象。60(1-4), 259-268 (1992) ·Zbl 0780.49028号 ·doi:10.1016/0167-2789（92）90242-F
[32] Varghees，V.N.，Manikandan，M.S.，Gini，R.：使用总变量和局部噪声估计的自适应MRI图像去噪。摘自：工程、科学和管理进步国际会议，第506-511页（2012年）
[33] Wang，Y.，Peng，J.-J.，Zhao，Q.，Leung，Y.、Zhao、X.-L.、Meng，D.-Y.：通过总变分正则化低阶张量分解恢复高光谱图像。IEEE J.选择。顶部。申请。地球天体遥感11（4），1227-1243（2018）·doi:10.1109/JSTARS.2017.2779539
[34] Wang，Y.-T.，Zhao，X.-L.，Jiang，T.-X.，Deng，L.-J.，Ma，T.-H.，Zhang，Y.-T.，Huang，T-Z.：一个基于总变差和组稀疏性的张量优化模型，用于视频雨条带去除。信号处理。图像通信。(2018). https://doi.org/10.1016/j.image.2018.11.008 ·doi:10.1016/j.image.2018.11.008
[35] Xu，Y.-Y.，Hao，R.-R.，Yin，W.-T.，Su，Z.-X.：低秩张量完备的并行矩阵因式分解。反向探测。成像9（2），601-624（2017）·Zbl 1359.15021号 ·doi:10.3934/ipi.2015.9.601
[36] Zhao，X.-L.，Wang，F.，Ng，M.：乘法噪声和模糊消除的新凸优化模型。SIAM J.成像科学。7(1), 456-475 (2014) ·Zbl 1296.65093号 ·数字对象标识码：10.1137/13092472X
[37] Zhao，X.-L.，Wang，W.，Zeng，T.-Y.，Huang，T.-Z.，Ng，M.K.：用于图像恢复的全变分结构全最小二乘法。SIAM J.科学。计算。35(6), 1304-1320 (2013) ·兹比尔1287.65014 ·doi:10.137/130915406
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。