广义贝叶斯字典学习K-SVD稀疏表示算法

• 作者: 周飞飞 李雷
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 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
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 71-75
• 页数: 5页
• 分类号: TP301.6
• 字数: 4688字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.05.015

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李雷	南京邮电大学理学院	82	539	12.0	18.0
2	周飞飞	南京邮电大学理学院	4	15	3.0	3.0