项目三：论文Tubal-Sampling: Bridging Tensor and Matrix Completion in 3D Seismic Data Reconstruction

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