字典学习模型、算法及其应用研究进展

摘要：

稀疏表示模型常利用训练样本学习过完备字典，旨在获得信号的冗余稀疏表示。设计简单、高效、通用性强的字典学习算法是目前的主要研究方向之一，也是信息领域的研究热点。基于综合稀疏模型的字典学习方法已经广泛应用于图像分类、图像去噪、图像超分辨率和压缩成像等领域。近些年来，解析稀疏模型、盲字典模型和信息复杂度模型等新模型的出现丰富了字典学习理论，使得更广泛类型的信号能够被“简单性”描述。本文详细介绍了综合字典、解析字典、盲字典和基于信息复杂度字典学习的基本模型及其算法，阐述了字典学习的典型应用，指出了字典学习的进一步研究方向。

关键词：字典学习、稀疏表示、综合模型、解析模型

资助基金：国家自然科学基金61471313;河北省自然科学基金F2014203076资助@@@@Supported by National Natural Science Foundation of China61471313;Natural Science Foundation of Hebei ProvinceF2014203076

在线出版日期：2015-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共21页

页码：240-260