一种新型的基于KCS算法在图像重构中的应用

作者：刘艳; 钱阳; 李雷

来源：计算机技术与发展, 2019, 29(06): 195-199.

• 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

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。

• 单位
  南京工业大学浦江学院