基于学习字典的机器人图像稀疏表示方法

摘要

cqvip:针对机器人图像压缩感知(Compressed sensing, CS)过程中稀疏字典训练时间过长的问题,本文提出了一种更加高效的字典学习方法.通过对MOD、K-SVD、SGK等字典学习算法研究,从参与更新的字典原子列数入手,将残差项变形为多列原子同时更新,进而利用最小二乘法连续地更新字典中的多个原子.本文算法是对SGK算法字典学习效率的进一步提高,减少了单次迭代的计算量,加快了字典学习速度.实验表明,本文算法与K-SVD和SGK算法相比,在字典稀疏性和重构图像质量变化很小的情况下,字典训练时间得到较明显缩短.