基于学习字典的机器人图像稀疏表示方法

doi:10.16383/j.aas.2018.c170352

CORC > 兰州理工大学 > 兰州理工大学 > 机电工程学院

	基于学习字典的机器人图像稀疏表示方法
	郭俊锋; 李育亮
刊名	自动化学报
	2020-04
卷号	46 期号:4 页码:820-830
关键词	压缩感知稀疏表示字典学习最小二乘法
DOI	10.16383/j.aas.2018.c170352
英文摘要	针对机器人图像压缩感知(Compressed sensing, CS) 过程中稀疏字典训练时间过长的问题, 本文提出了一种更加高效的字典学习方法. 通过对MOD、K-SVD、SGK 等字典学习算法研究, 从参与更新的字典原子列数入手, 将残差项变形为多列原子同时更新, 进而利用最小二乘法连续地更新字典中的多个原子. 本文算法是对SGK 算法字典学习效率的进一步提高,减少了单次迭代的计算量, 加快了字典学习速度. 实验表明, 本文算法与K-SVD 和SGK 算法相比, 在字典稀疏性和重构图像质量变化很小的情况下, 字典训练时间得到较明显缩短.
语种	中文
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/103464]
专题	机电工程学院
通讯作者	李育亮
作者单位	兰州理工大学机电工程学院
推荐引用方式 GB/T 7714	郭俊锋,李育亮. 基于学习字典的机器人图像稀疏表示方法[J]. 自动化学报,2020,46(4):820-830.
APA	郭俊锋,&李育亮.(2020).基于学习字典的机器人图像稀疏表示方法.自动化学报,46(4),820-830.
MLA	郭俊锋,et al."基于学习字典的机器人图像稀疏表示方法".自动化学报 46.4(2020):820-830.