矩阵低秩张量分解_高光谱影像去噪总结（四）：张量分解方法

高光谱影像同时拥有空间和光谱信息，其数据形式是一个三维立方体结构，因此可以采用张量分析的方法对高光谱影像进行有效地处理，这类方法的最大优势是能够较好地保持影像全局结构，下面我简单介绍几种基于张量分解的高光谱影像去噪方法。

---

— 1 —

三种张量分解方式

Tucker分解和CP分解是经典的两种张量分解方式，具体分解方法如下图，其中Tucker分解是将张量分解为一个核张量和三个低维矩阵的张量积，而CP分解则是分解为若干个成分之和，每个成分是一个常数和三个向量的乘积。另外还有一种新型张量分解方式是张量奇异值分解，这是将奇异值分解从矩阵推广为张量形式。

— 2 —

基于Tucker分解的去噪方法

早期，Renard等人[1]在Tucker分解的基础上提出一种