基于截断核范数低秩分解的自适应字典学习算法

• 作者: 司增辉 左思铭 杜秀丽 邱少明
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 低秩稀疏分解 截断核范数 压缩感知 K-奇异值分解
• 年，卷（期）: 2020,（4）
• 页码范围: 603-612
• 页数: 10页
• 分类号: TP391
• 字数: 6334字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2020.04.002

摘要

针对过完备字典直接对图像进行稀疏表示不能很好地剔除高频噪声的影响,压缩感知后图像重构质量不高的问题,提出了基于截断核范数低秩分解的自适应字典学习算法.该算法首先利用截断核范数正则化低秩分解模型对图像矩阵低秩分解得到低秩部分和稀疏部分,其中低秩部分保留了图像的主要信息,稀疏部分主要包含高频噪声及部分物体轮廓信息;然后对图像低秩部分进行分块,依据图像块纹理复杂度对图像块进行分类;最后使用K奇异值分解(K-single value decomposition,K-SVD)字典学习算法,针对不同类别训练出多个不同大小的过完备字典.仿真结果表明,本文所提算法能够对图像进行较好的稀疏表示,并在很好地保持图像块特征一致性的同时显著提升图像重构质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱少明	大连大学通信与网络重点实验室	23	29	4.0	4.0
5	杜秀丽	大连大学通信与网络重点实验室	30	65	5.0	6.0
9	司增辉	大连大学通信与网络重点实验室	1	0	0.0	0.0
13	左思铭	大连大学通信与网络重点实验室	2	1	1.0	1.0