基于TL1范数的改进K-SVD字典学习算法
袁超
李海洋
1.西安工程大学理学院 西安 7100482.西安工程大学理学院 西安 710048
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.
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
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(11271297)陕西省自然科学基金(2015JM1012)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2327-2331,2363 )
英文信息