基于张量分解的高光谱数据表示与重构

目录

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