基于学习字典的机器人图像稀疏表示方法

• 作者: 李育亮 郭俊锋
• 来源期刊: 自动化学报
• 关键词: 压缩感知 稀疏表示 字典学习 最小二乘法
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 820-830
• 页数: 11页
• 字数: 9794字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170352

摘要

针对机器人图像压缩感知(Compressed sensing,CS)过程中稀疏字典训练时间过长的问题,本文提出了一种更加高效的字典学习方法.通过对MOD、K-SVD、SGK等字典学习算法研究,从参与更新的字典原子列数入手,将残差项变形为多列原子同时更新,进而利用最小二乘法连续地更新字典中的多个原子.本文算法是对SGK算法字典学习效率的进一步提高,减少了单次迭代的计算量,加快了字典学习速度.实验表明,本文算法与K-SVD和SGK算法相比,在字典稀疏性和重构图像质量变化很小的情况下,字典训练时间得到较明显缩短.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭俊锋	兰州理工大学机电工程学院	35	136	7.0	10.0
2	李育亮	兰州理工大学机电工程学院	3	7	1.0	2.0