10.3969/j.issn.1001-3695.2016.05.063
基于近端梯度的快速字典学习方法的研究
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。
字典学习、稀疏表示、图像去噪、近端梯度、全局收敛
33
TP181(自动化基础理论)
广东省教育厅高等院校学科建设专项资金资助项目12ZK0362
2016-06-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
1566-1569,1575