基于正则化模型的K-SVD算法及其应用

• 作者: 刘坚桥 唐加山
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: K-SVD 正则化方法 字典学习 稀疏表示 图像去噪
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 算法与语言
• 页码范围: 114-117
• 页数: 4页
• 分类号: TP312
• 字数: 3059字
• 语种: 中文
• DOI: 10.11907/rjdk.173177

摘要

提出一种基于正则化方法的K均值奇异值分解(K-SVD)算法.新算法在更新字典阶段,建立一种正则化模型,针对经典K-SVD算法中每次原子更新,引入正则项参与字典更新过程,将每次更新原子所产生的误差限制在设定范围内完成原子更新.在K-SVD算法正则化模型基础上,对K-SVD的衍生算法近似K-SVD(Approximate K-SVD)进行了研究,提出了适用于AK-SVD的正则化模型.实验结果表明,新模型训练字典的误差相较于传统算法缩小了13.8％.将训练字典用于图像去噪时发现,新模型下字典重构出图像的峰值信噪比(PSNR)比传统算法提升0.5dB左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐加山	南京邮电大学理学院	68	203	8.0	11.0
2	刘坚桥	南京邮电大学通信与信息工程学院	1	1	1.0	1.0