一、论文背景/介绍
介绍
为了解决地震数据中的tubal缺失下的地震数据重建问题,在2019年3月到2020年5月(when),我(who)作为论文的三位核心研究人员之一(where),提出了一种结构化的low-tubal-rank张量补全(Structured Tensor Completion,简称STC)框架,以同时利用Hankel结构和low-tubal-rank约束来进一步提高重建性能。
在地震数据重建的过程中有以下几个原因导致恢复性能不好:
原有方法的不足:
我们方法:
- 提出的t-product算子,引入低秩张量分解
- 引入hankel结构变换,增加数据间的相关性
- 将hankel结构与结构保持矩阵结合起来,约束低秩逼近过程
由矩阵秩的定义知道,若将图像看成一个矩阵,那么它的基的数量越少,基对应的线性无关向量数量就越少,矩阵的秩就越小。当它远远小于矩阵的大小的时候,图像就是低秩的。低秩矩阵的每行或者每列都可以用其他的行或者列线性表示,这说明这个矩阵包含了大量的冗余信息。利用这种冗余信息可以对缺失图像信息进行恢复,可以将多出来的噪声信息进行去除,还可以对错误的图像信息进行恢复。
STC框架可以根据三种特定噪声开发三种张量模型,以满足在可变噪