基于稀疏表示的图像分类字典学习

• 作者: 何小卫 张莉
• 来源期刊: 浙江师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 非局部 自相似性 稀疏表示 字典学习 K-均值
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 计算机
• 页码范围: 402-409
• 页数: 8页
• 分类号: TP391
• 字数: 4528字
• 语种: 中文
• DOI: 10.16218/j.issn.1001-5051.2015.04.008

摘要

针对K-SVD算法学习得到的字典结构性不强的问题,利用图像的非局部自相似性,提出了基于稀疏表示的图像分类字典学习方法( NLC-DL).该方法利用K-means对图像块进行聚类并对每个子类进行字典学习,增强字典的有效性.根据正交匹配追踪算法( OMP)求得稀疏系数,迭代优化字典,最终利用优化后字典和稀疏系数矩阵重构图像.实验结果表明:生成的学习字典对训练样本的表达误差更小,能够有效地保持图像的结构信息,重构后的图像在峰值信噪比和视觉效果方面均优于传统方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何小卫	浙江师范大学数理与信息工程学院	30	230	7.0	14.0
2	张莉	浙江师范大学数理与信息工程学院	4	8	1.0	2.0