APP下载

字典学习的K-SVD算法分析

2017-04-05牛秀秀华敏杰狄燕飞相鹏

关键词:方法

牛秀秀,华敏杰,狄燕飞,相鹏

(中国传媒大学 理工学部,北京 100024)

字典学习的K-SVD算法分析

牛秀秀,华敏杰,狄燕飞,相鹏

(中国传媒大学 理工学部,北京 100024)

分析了字典学习的K-SVD算法,通过引入K-Means计算方法,将K-Means方法推广到用于字典学习的K-SVD计算方法中;分析和描述了K-SVD计算过程,指出了K-SVD方法与K-Means方法之间的关系,最后观察图像数据训练用于稀疏表示的字典。

K-Means方法;字典学习;稀疏表示;K-SVD方法

1 引言

图像去噪问题是非常重要的,不仅仅是因为在程序上的应用,而且作为最简单的反问题,给图像处理在技术和理念上提供了一个方便的平台。在过去的50年左右,许多人有着不同的观点,各种统计估计、空间自适应滤波器、偏微分方程、样条函数等等很多方向都在研究这个问题。在本文中主要专注一个特定的方法来解决图像去噪问题:在稀疏表示下的字典学习。

K-SVD算法是2006年由以色列理工学院Michal Aharon、Michael Elad等人[1]提出来的,是一种非常经典的字典训练算法,并且达到了很好的训练效果。其目的是解决下列等式的解:

Y=DX,

(1)

其中D是要训练的字典,X是字典D对应的稀疏系数向量。当矩阵的维数过高时,即使在Matlab中也很难求得(1)的解。研究表明,K-SVD算法可以比较简便的求解问题(1)。

2 K-Means算法

在矢量量化(VQ)中,可以通过K-Means方法来对码本进行训练,假定码本为C=[c1,c2,.....cK],代码是C中的列ci。当码本C给定时,每个信号用最近(l2范数下)的一个代码表示。我们也可以写作yi=Cxi,其中xi=ej是自然基中的一个向量(除了第j个值为1,其余为0)。j满足

我们可以发现K-Means算法就是一个对码本C进行更新迭代的过程。……

登录APP查看全文

猜你喜欢

方法
中医特有的急救方法
高中数学教学改革的方法
化学反应多变幻 “虚拟”方法帮大忙
变快的方法
学习方法
用对方法才能瘦
最有效的简单方法
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼