学习块结构的非相干字典稀疏表示

摘要

字典学习仍然是一个具有挑战性的问题，在信号和图像处理。在本文中，我们提出了一个有效的块结构的非相干字典学习算法的图像信号的稀疏表示。字典学习的约束最小化，实现稀疏编码和字典更新迭代交替。如果不依赖于任何先验知识的输入数据的组结构，我们开发了一个两阶段的聚类方法，确定在一定的限制条件下的基本块结构的字典。两阶段聚类方法主要包括亲和传播和凝聚层次聚类。为了同时满足上界和下界的字典原子相互连贯的条件，我们介绍一个调整的过完备字典块一致性目标函数的正则化项。合成数据和真实图像的实验表明，提出的字典学习算法具有较低的代表性错误，更高的视觉质量和更好的重建结果比大多数国家的最先进的方法。