广义贝叶斯字典学习K-SVD稀疏表示算法

摘要：

稀疏字典学习是一种功能强大的视频图像稀疏表示方法,在稀疏信号处理领域引起了广泛关注.K-SVD算法在稀疏表示技术上取得了巨大成功,但遇到了字典原子未充分利用的问题,而稀疏贝叶斯字典学习(Sparse Bayesian Dictiona-ry Learning,SBDL)算法存在稀疏表示后信号原子不稀疏和不收敛的缺点.广义贝叶斯字典学习(Generalized Bayesian Dic-tionary Learning,GBDL)K-SVD算法提供了一种新型稀疏表示系数更新模式,使得过完备字典稀疏学习算法逐步收敛的同时训练向量足够稀疏.仿真结果表明,对有损像素和压缩传感这两种视频图像帧进行稀疏化,GBDL K-SVD算法表示的视频图像帧的重构效果与SBDL K-SVD算法相比有明显的提高.

关键词：稀疏贝叶斯学习、视频图像稀疏表示、字典学习、K-SVD算法

所属期刊栏目：26

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61071167,61373137;江苏省研究生科研创新计划项目KYZZ 0233

在线出版日期：2016-06-22（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：71-75