کاربرد روش تکمیل تنسوری بهینه‌سازی شده تک بیتی در بازیافت تصاویر دیجیتالی مخدوش

داده های ساختاری تنسوری مرتبه بالا در بسیاری از سناریوهای تصویربرداری نظیر تصویربرداری فراطیفی و ویدیوهای رنگی، بکار می روند. بازیابی یک تنسور از یک مجموعه ناقص از درآیه ها، که تکمیل تنسوری نامیده می‌شود، درزمینه‌هایی نظیر پردازش تصاویر دیجیتال و فشرده سازی کاربردهای فراوانی دارد. در تکمیل تنسوری، علاوه بر ناقص بودن داده های مشاهده شده، مساله دیگر کمی سازی درآیه هاست. کمی‌سازی مرحله‌ای مهم برای انتقال و ذخیره‌سازی داده‌های بعد بالا به منظور کاهش نیاز به ذخیره‌سازی و صرفه جویی در مصرف انرژی است. در این جا، روشی جدید برای بازیافت تنسورهای رتبه پایین از تعداد اندکی اندازه گیری های دودویی (تک بیتی) ارائه می‌شود. روش تکمیل تنسوری تک بیتی، متکی بر کاربرد تکمیل تنسوری در نسخه های ماتریسی شده با داده های دودویی در تنسور زمینه‌ای داده هاست. نتایج آزمایشی در تصاویر فراطیفی نشان دهنده آن است که عملیات مستقیم با اندازه‌گیری دودویی، بجای مقادیر حقیقی آن‌ها منجر به خطای بازیافت کمتری می‌شود. در این جا یک تنسور مرتبه سوم داده شده با درآیه‌های دودویی بازیافت می‌شود. در عمل تنسور را به‌صورت یک فراماتریس سه تایی باز نموده و الگوریتم تکمیل تنسوری کمی‌سازی شده را بر همه مدل‌های ماتریسی تنسور مزبور بکار می‌بریم. فضای داده‌ای در این‌جا تصاویر فراطیفی ماهواره‌ای با هدف بازیافت تصاویر مخدوش شده است.

{Application of the optimized 1-bit tensor completion method in the recovery of noisy digital images

Higherorder tensor structured data appear in many imaging scenarios, including hyperspectral imaging and colorful video. The recovery of a tensor from an incomplete set of its entries, known as tensor completion (TC), is significant in applications like compression. Moreover, in many illustrations, observations are not only incomplete but also highly quantized. Quantization is a critical step for high dimensional data transmission and storage in order to reduce storage requirements and power consumption, especially for energylimited systems. In this paper, we propose a novel approach for the recovery of lowrank tensors from a small number of binary (1bit) measurements. The proposed method called $1 bit$ Tensor Completion relies on the application of 1bit matrix completion over different matricizations of the underlying tensor. Experimental results on hyperspectral images confirm that directly operating with the binary measurements, rather than treating them as real values, results in lower recovery error. Here a given thirdorder tensor with binary arrays is recovered. In practice, we open the tensor as a 3matrix and apply the quantified tensor completion algorithm to all models of the matrix tensor. The data space here is distorted satellite spectral images for the purpose of image recovery.