文件名称：论文研究-基于近端梯度的快速字典学习方法的研究.pdf
文件大小：570KB
文件格式：PDF
更新时间：2022-08-11 17:53:08
字典学习,稀疏表示,图像去噪,近端梯度,全局收敛
基于稀疏表示的图像处理技术近年来成为研究热点，多种字典学习算法如K-SVD、OLM（online dictionary learning method）等予以提出，这类算法使用重叠的图像块来构建字典进行稀疏表示，产生了大量稀疏系数，致使计算过缓，且不能确保收敛。针对此问题开展研究，提出了基于近端梯度的快速字典学习算法。该算法结合了多凸优化求解，采用近端梯度算法求解字典学习过程中涉及的优化问题，有效地降低了每次迭代的复杂度，减少了迭代开销，同时能够确保收敛。合成数据上的实验表明，相较于其他经典算法，该算法进行字典学习速度更快，所耗时间较短，获得的字典更好，且在图像稀疏去噪的应用中该算法的去噪效果表现优异。