信号的稀疏表示剖解探析.ppt

稀疏编码的方法及稀疏字典学习的基本方法 稀疏表示，它意欲用尽可能少的非0系数表示信号的主要信息，从而简化信号处理问题的求解过程。 稀疏表示模型可如表达式(1)所示，其中y为待处理信号，D为字典，x为稀疏系数，||x||0?m。||x||0为x的稀疏度，它表示x中非0稀疏的个数。 y=Dx subject to min||x||0 (1) n×1 n×m m×1 我们一般用的字典都是过完备的，因为在过完备的字典下分解稀疏系数不唯一，这也恰恰为图像的自适应处理提供的可能，我们可以根据自己处理的要求选择最合适的最稀疏的系数。 稀疏分解算法 获取信号在过完备字典下的最优稀疏表示或稀疏逼近的过程叫做信号的稀疏分解，这是稀疏表示能否在实际图像处理中应用的基本问题。 1.凸松弛法 基追踪（BP）, 基追踪去噪算法（BPDN） ,平滑L0范数 （SL0）等等。 2.贪婪法 匹配追踪（MP） ,正交匹配追踪（OMP）,弱匹配追踪等等。 凸松弛法 凸松弛算法的核心思想就是用凸的或者是更容易处理的稀疏度量函数代替(1)中非凸的L0范数 ，通过转换成凸规划或非线性规划问题来逼近原先的组合优化问题，变换后的模型则可采用诸多现有的高效算法进行求解，降低了问题的复杂度。