一种新型的基于 KCS 算法在图像重构中的应用

来源：计算机技术与发展杂志2019年第06期北京时间：

作者：刘艳;钱阳;李雷

摘要：由于原始信号能够通过字典原子的某一线性组合进行稀疏表示,因此在压缩感知理论中,原始的高维信号可以从低维测量值中进行恢复。 但是,对于一些信号,譬如图像、视频等,因其具有高维性、多变性以及繁杂性等特点,用线性表示模型难以对其进行稀疏表示。 这种情况下,需要在非线性流形下获取更优的稀疏表示。 文中首先介绍了核字典学习方法中的 KKSVD 算法,对其稀疏编码阶段进行改进,得到自适应核 K-SVD 字典学习算法(AKKSVD),并将其与核压缩感知理论(KCS)相结合,提出了一种基于 AKKSVD 字典学习的 KCS 算法(AKKSVD-KCS)。 通过对图像进行重构的仿真对比实验表明,该算法对非线性信号的重构更具备高效性,相较于其他算法在重构时间、峰值信噪比等方面更具有优越性,即其重构性能更佳。

关键词：核字典学习;自适应核 K-SVD 算法;核压缩感知;重构时间;峰值信噪比