论文部分内容阅读
低秩张量填充在数据恢复中有广泛应用,基于张量火车（TT）分解的张量填充模型在彩色图像和视频以及互联网数据恢复中应用效果良好。本文提出一个基于三阶张量TT分解的填充模型。在模型中,引入稀疏正则项与时空正则项,分别刻画核张量的稀疏性和数据固有的块相似性。根据问题的结构特点,引入辅助变量将原模型等价转化成可分离形式,并采用临近交替极小化（PAM）与交替方向乘子法（ADMM）相结合的方法求解模型。数值实验表明,两正则项的引入有利于提高数据恢复的稳定性和实际效果,所提出方法优于其他方法。在采样率较低或图像出现结构性缺失时,其方法效果较为显著。