一种新型的基于KCS算法在图像重构中的应用

• 作者: 刘艳 李雷 钱阳
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 核字典学习 自适应核K-SVD算法 核压缩感知 重构时间 峰值信噪比
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 应用开发研究
• 页码范围: 195-199
• 页数: 5页
• 分类号: TP301.6
• 字数: 3895字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.06.040

摘要

由于原始信号能够通过字典原子的某一线性组合进行稀疏表示,因此在压缩感知理论中,原始的高维信号可以从低维测量值中进行恢复.但是,对于一些信号,譬如图像、视频等,因其具有高维性、多变性以及繁杂性等特点,用线性表示模型难以对其进行稀疏表示.这种情况下,需要在非线性流形下获取更优的稀疏表示.文中首先介绍了核字典学习方法中的KKSVD算法,对其稀疏编码阶段进行改进,得到自适应核K-SVD字典学习算法(AKKSVD),并将其与核压缩感知理论(KCS)相结合,提出了一种基于AKKSVD字典学习的KCS算法(AKKSVD-KCS).通过对图像进行重构的仿真对比实验表明,该算法对非线性信号的重构更具备高效性,相较于其他算法在重构时间、峰值信噪比等方面更具有优越性,即其重构性能更佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘艳	南京工业大学浦江学院	24	88	5.0	9.0
2	钱阳	南京工业大学浦江学院	1	0	0.0	0.0
3	李雷	南京工业大学浦江学院	2	5	1.0	2.0