一种改进的K-SVD字典学习算法

摘要：

提出了一种ALM-KSVD字典学习算法,通过稀疏编码和字典更新两步迭代学习得到训练样本的字典.为了提高字典训练速度与性能,在稀疏编码引入增广拉格朗日乘子法(ALM,Augmented Lagrange Multipliers)求解,更新字典则使用经典K-SVD的字典更新算法.为考察算法的字典训练速度和平均表示误差(RMSE),选取了不同样本数和噪声标准进行数据合成实验,结果表明本文算法比经典的K-SVD算法字典训练速度快、RMSE低.进一步考察算法的图像去噪能力,选取不同的输入图像噪声标准和字典原子数进行仿真,实验结果表明本文算法比经典的K-SVD算法获得更高的峰值信噪比(PSNR),具有良好的去噪性能.

关键词：字典学习、K-SVD、稀疏编码、增广拉格朗日乘子法、ALM

所属期刊栏目：45

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金61203245;河北省自然科学基金F2012202027;河北省高等学校科学技术研究项目Z2011142

在线出版日期：2016-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8