基于非局部张量火车分解的彩色图像修补

作者：贾慧迪; 韩志; 陈希爱; 唐延东

来源：模式识别与人工智能, 2019, (10): 955-963.

DOI：10.16451/j.cnki.issn1003-6059.201910010

• 张量火车分解
• 非局部相似性
• 低秩性
• 图像修补 Tensor Train Factorization
• Nonlocal Similarity
• Low Rank
• Image Completion

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.

• 单位
  中国科学院; 机器人学国家重点实验室; 中国科学院研究生院