点击量 ：

第一作者 ： 何小卫

发表时间 ： 2015-01-01

发表刊物 ： 浙江师范大学学报(自然科学版)

所属单位 ： 数理与信息工程学院

文献类型 ： 期刊

卷号 ： 第38卷

期号 ： 第4期

页面范围 ： 402-409

ISSN ： 1001-5051

关键字 ： 非局部；自相似性；稀疏表示；字典学习；K-均值

摘要 ： 针对K-SVD算法学习得到的字典结构性不强的问题,利用图像的非局部自相似性,提出了基于稀疏表示的图像分类字典学习方法(NLC-DL).该方法利用K-means对图像块进行聚类并对每个子类进行字典学习,增强字典的有效性.根据正交匹配追踪算法(OMP)求得稀疏系数,迭代优化字典,最终利用优化后字典和稀疏系数矩阵重构图像.实验结果表明:生成的学习字典对训练样本的表达误差更小,能够有效地保持图像的结构信息,重构后的图像在峰值信噪比和视觉效果方面均优于传统方法.

是否译文 ： 否