Un algoritmo de completado de tensor no local basado en la norma nuclear de tensor ponderada
Autores: Wang, Wenzhe; Zheng, Jingjing; Zhao, Li; Chen, Huiling; Zhang, Xiaoqin
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un algoritmo de completado de tensor no local basado en la norma nuclear de tensor ponderada
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Algoritmo de relleno de imágenes
Interpolación
Completado de tensores no locales
Norma nuclear de tensores ponderada
Algoritmo de coincidencia de parches
Relación pico-señal a ruido
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
En este documento, propusimos un algoritmo de rellenado de imágenes, que incluye un paso de interpolación y un paso de completado de tensor no local basado en una norma nuclear de tensor ponderada. Específicamente, el algoritmo propuesto adopta primero el algoritmo de interpolación lineal basado en triángulos para realizar la imagen de observación. En segundo lugar, extraemos los parches no locales similares en la imagen utilizando el algoritmo de coincidencia de parches y los reorganizamos en un tensor similar. Luego, utilizamos el algoritmo de completado de tensor basado en la norma nuclear de tensor ponderada para recuperar los tensores similares. Finalmente, agrupamos todos estos tensores recuperados para obtener la imagen final recuperada. A partir de los experimentos de rellenado de imágenes en imágenes RGB a color, podemos ver que el rendimiento del algoritmo propuesto en la relación señal-ruido pico (PSNR) y el error estándar relativo (RSE) es significativamente mejor que otros métodos de rellenado de imágenes.
Descripción
En este documento, propusimos un algoritmo de rellenado de imágenes, que incluye un paso de interpolación y un paso de completado de tensor no local basado en una norma nuclear de tensor ponderada. Específicamente, el algoritmo propuesto adopta primero el algoritmo de interpolación lineal basado en triángulos para realizar la imagen de observación. En segundo lugar, extraemos los parches no locales similares en la imagen utilizando el algoritmo de coincidencia de parches y los reorganizamos en un tensor similar. Luego, utilizamos el algoritmo de completado de tensor basado en la norma nuclear de tensor ponderada para recuperar los tensores similares. Finalmente, agrupamos todos estos tensores recuperados para obtener la imagen final recuperada. A partir de los experimentos de rellenado de imágenes en imágenes RGB a color, podemos ver que el rendimiento del algoritmo propuesto en la relación señal-ruido pico (PSNR) y el error estándar relativo (RSE) es significativamente mejor que otros métodos de rellenado de imágenes.