基于自适应K-SVD字典的视频帧稀疏重建算法

摘要：

压缩感知理论的一个重要前提是找到信号的稀疏域,其直接影响着算法的重构精度,研究快速高效的信号稀疏表示方法具有重大的现实意义.为了提高字典训练速度与性能,基于传统的K-SVD算法,提出了一种自适应K-SVD字典学习算法(Adaptive K-SVD).该算法交替执行稀疏编码阶段和字典更新阶段.在稀疏编码阶段,通过引入自适应稀疏约束机制,以获得更稀疏的表示系数,从而进一步提高字典的更新效率;而在字典更新阶段,则使用经典K-SVD的字典更新方式来实现字典原子的逐列更新.将所提算法应用于压缩感知理论的信号稀疏表示中,实现视频帧的稀疏重建.仿真对比实验结果表明,所提算法比经典的K-SVD算法的字典训练速度更快,稀疏表示性能更优,且能有效减少压缩感知的重构误差.

关键词：K-SVD算法、自适应K-SVD算法、字典学习、稀疏表示、压缩感知

所属期刊栏目：27

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KYZZ15_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：2017-07-12（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：36-40