t-线性张量子空间学习

噪声下可靠降维

用t-product投影同时利用高阶数据所有方向的信息，并在噪声污染下保持特征提取的鲁棒性。

邓阳君 · 李恒超 · Tan, Siqiao · 侯军辉 · Du, Qian · Plaza, Antonio

IEEE Transactions on Geoscience and Remote Sensing 2023

技术优势

全面利用高阶信息

t-product 投影直接在张量空间变换，同时捕获所有方向的结构信息，避免像传统方法那样分别处理每个方向。

应用场景

• 高光谱图像特征提取：从噪声污染的图像中提取判别特征，提高后续分类或识别精度。
• 遥感图像去噪：在特征提取的同时去除传感器或环境引入的噪声，恢复图像质量。
• 高光谱数据降维：将高维高光谱数据映射到低维子空间，降低存储和计算负担并保留关键结构。