基于新型鲁棒字典学习的视频帧稀疏表示

摘要：

字典学习方法是一种非常有效的信号稀疏表示方法,在稀疏信号处理领域应用极其广泛.然而,实际应用中,训练样本和测试样本可能会受到损坏并且含有噪声和异常值,这将严重影响字典学习方法的性能.为此,不同于传统的字典学习方法从干净数据中学习字典,提出一种新型鲁棒字典学习算法,旨在处理训练样本中的异常值.该算法通过采用交替近端线性化方法求解非凸的最小l0范数,在学习鲁棒字典的同时隔离训练样本中的异常值.大量仿真对比实验表明,所提算法具有更好的鲁棒性,并能提供很好的性能改进.

关键词：字典学习、稀疏表示、异常数据、鲁棒性

所属期刊栏目：27

分类号：TP301(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61070234,61071167,61373137,61501251;江苏省2015年度普通高校研究生科研创新计划项目KYZZI5_0235;南京邮电大学引进人才科研启动基金资助项目NY214191

在线出版日期：2017-04-28（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：37-41