基于近似稀疏正则化的低秩张量填充算法
针对目前大多数的低秩张量填充模型存在稀疏过约束而导致恢复数据的细微特征被忽略的现象,本文借助低秩矩阵分解和框架变换,引入软阈值算子的l0范数正则项,提出一个基于近似稀疏正则化的低秩张量填充模型.为有效地求解该模型,我们将l0范数改写为具有非线性不连续权函数的加权l1范数,并用连续权函数逼近不连续权函数,在此基础上设计块逐次上界极小化的求解算法.在一定条件下,证明该算法的收敛性.大量实验表明,本文所提出的算法比现有一些经典算法能更好地重建得到图像的局部细节特征.
近似稀疏、低秩、张量填充、矩阵分解、框架变换
44
TP391.4;O212.2;TN911.3
国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;浙江省自然科学基金项目;江西省自然科学基金;江西省自然科学基金;江西省自然科学基金
2023-04-11(万方平台首次上网日期,不代表论文的发表时间)
共15页
53-67