基于近端梯度的快速字典学习方法的研究

摘要：

基于稀疏表示的图像处理技术近年来成为研究热点，多种字典学习算法如K-SVD、OLM（online dictiona-ry learning method）等予以提出，这类算法使用重叠的图像块来构建字典进行稀疏表示，产生了大量稀疏系数，致使计算过缓，且不能确保收敛。针对此问题开展研究，提出了基于近端梯度的快速字典学习算法。该算法结合了多凸优化求解，采用近端梯度算法求解字典学习过程中涉及的优化问题，有效地降低了每次迭代的复杂度，减少了迭代开销，同时能够确保收敛。合成数据上的实验表明，相较于其他经典算法，该算法进行字典学习速度更快，所耗时间较短，获得的字典更好，且在图像稀疏去噪的应用中该算法的去噪效果表现优异。

关键词：字典学习、稀疏表示、图像去噪、近端梯度、全局收敛

所属期刊栏目：33

分类号：TP181(自动化基础理论)

资助基金：广东省教育厅高等院校学科建设专项资金资助项目12ZK0362

在线出版日期：2016-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1566-1569,1575