声明
致谢
摘要
1.1课题研究背景及意义
1.2课题研究现状
1.2.1基于稀疏/低秩矩阵分解的研究现状
1.2.2基于稀疏/低秩张量分解的研究现状
1.3本文研究内容
1.4本文组织结构
第2章张量分解理论基础
2.1张量多重线性代数
2.2 张量分解
2.2.1 CP分解
2.2.2 Tucker分解
2.2.3 BTD分解
2.3稀疏/低秩张量分解
2.4 本章小节
第3章基于非负张量分解的高光谱图像解混
3.1高光谱图像解混
3.2基于张量分解的高光谱图像解混建模
3.3 MV-NTF算法求解
3.4 MV-NTF算法分析
3.5实验结果与分析
3.5.1算法评价指标
3.5.2仿真数据实验结果与分析
3.5.3真实数据的实验结果与分析
3.6本章小结
第4章基于TV正则化的张量分解的高光谱图像解混
4.1空间约束张量分解
4.2 Total Variation(全变分)
4.3基于TV约束的张量分解高光谱图像解混
4.3.1算法求解
4.3.2算法实现与分析
4.4实验结果与分析
4.4.1性能评价指标
4.4.2仿真数据实验结果与分析
4.4.3真实数据实验结果与分析
4.5 本章小结
第5章基于稀疏低秩非负张量分解的高光谱图像噪声建模
5.1基于低秩/稀疏表示的高光谱图像去噪
5.2稀疏约束低秩非负张量分解
5.3稀疏约束低秩非负张量分解求解算法
5.4实验结果与分析
5.4.1仿真数据实验结果与分析
5.4.2真实数据实验结果与分析
5.5本章小结
第6章基于空间保留低秩张量分解的高光谱图像混合噪声建模
6.1 高光谱图像混合去噪
6.2 L0梯度正则化
6.3核范数约束的低秩BTD分解
6.4基于L0空谱梯度约束低秩张量分解的高光谱混合去噪
6.5 算法求解
6.6计算复杂度分析
6.7实验结果与分析
6.7.1仿真数据实验结果与分析
6.7.2真实数据实验结果与分析
6.8本章小结
第7章总结与展望
7.1本文主要创新工作
7.2后续工作展望
参考文献
攻读博士学位期间主要的研究成果
浙江大学;