基于TL1范数的改进K-SVD字典学习算法

• 作者: 李海洋 袁超
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 字典学习 KSVD 稀疏编码 阈值迭代算法 TL1范数 图像重构
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 算法与分析
• 页码范围: 2327-2331,2363
• 页数: 6页
• 分类号: TP301.6
• 字数: 4804字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2017.12.001

摘要

K-SVD字典学习算法通过稀疏编码和字典更新两步迭代学习得到训练样本的字典,用OMP(Orthogonal Matching Pursuit)算法求解稀疏表示,用SVD分解算法对字典更新.但应用在图像重构时,OMP算法运行速度比较慢,且恢复的准确度不够高.针对该问题,为了提高字典训练速度与性能,在稀疏编码阶段用TL1范数代替了l0范数,用迭代阈值算法求解稀疏表示.为考察改进算法的恢复准确率,在不同稀疏度下进行数据合成实验,结果表明改进算法比K-SVD算法训练恢复的准确率高.进一步考察改进算法的图像重构能力,选取标准图像进行仿真,实验结果表明改进算法比K-SVD算法能更快得到训练字典,获得更高的峰值信噪比(PSNR),具有更好的重构性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李海洋	西安工程大学理学院	34	63	4.0	6.0
2	袁超	西安工程大学理学院	1	0	0.0	0.0