结合KSVD和分类稀疏表示的图像压缩感知

摘要：

由于传统稀疏字典训练方法不能充分利用图像细节信息，提出一种分类稀疏字典训练方法。根据待训练样本的特性，将其划分为平滑、边缘和纹理三类，用KSVD算法分别训练出适合三类图像块特性的冗余字典，利用构造的冗余字典分别稀疏表示三类图像块。同时根据每类图像块所含信息量，自适应地分配测量率。实验结果表明，和单一正交基、冗余字典相比，该算法的稀疏系数更加稀疏，在低图像测量率时，重构效果更好，对边缘信息丰富的图像重构效果改善尤为明显。

关键词：分块压缩感知、自适应测量、分类稀疏表示、冗余字典

分类号：TN919.81

资助基金：国家自然科学基金No.61271240；江苏省2013年度普通高校研究生科研创新计划项目No.CXZZ13_0491。

在线出版日期：2015-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：193-198