字典学习模型、算法及其应用研究进展

被引：120

作者：

练秋生

石保顺

陈书贞

机构：

[1] 燕山大学信息科学与工程学院

来源：

自动化学报 | 2015年 / 41卷 / 02期

关键词：

字典学习; 稀疏表示; 综合模型; 解析模型;

D O I：

10.16383/j.aas.2015.c140252

中图分类号：

TN911.7 [信号处理];

学科分类号：

0711 ; 080401 ; 080402 ;

摘要：

稀疏表示模型常利用训练样本学习过完备字典,旨在获得信号的冗余稀疏表示.设计简单、高效、通用性强的字典学习算法是目前的主要研究方向之一,也是信息领域的研究热点.基于综合稀疏模型的字典学习方法已经广泛应用于图像分类、图像去噪、图像超分辨率和压缩成像等领域.近些年来,解析稀疏模型、盲字典模型和信息复杂度模型等新模型的出现丰富了字典学习理论,使得更广泛类型的信号能够被"简单性"描述.本文详细介绍了综合字典、解析字典、盲字典和基于信息复杂度字典学习的基本模型及其算法,阐述了字典学习的典型应用,指出了字典学习的进一步研究方向.

引用

页码：240 / 260

页数：21

共 18 条

[1] 结构化压缩感知研究进展[J]. 刘芳,武娇,杨淑媛,焦李成.自动化学报. 2013(12)
[2] 从压缩传感到低秩矩阵恢复:理论与应用[J]. 彭义刚,索津莉,戴琼海,徐文立.自动化学报. 2013(07)
[3] 基于两级字典与分频带字典的图像超分辨率算法[J]. 练秋生,张钧芹,陈书贞.自动化学报. 2013(08)
[4] L1/2正则化
张海
王尧
常象宇
徐宗本
[J]. 中国科学:信息科学, 2010, 40 (03) : 412 - 422
[5] 基于混合基稀疏图像表示的压缩传感图像重构[J]. 练秋生,陈书贞.自动化学报. 2010(03)
[6] 压缩感知理论及其研究进展
石光明
刘丹华
高大化
刘哲
林杰
王良君
[J]. 电子学报, 2009, 37 (05) : 1070 - 1081
[7] Simple bounds for recovering low-complexity models
Emmanuel Candès
Benjamin Recht
[J]. Mathematical Programming, 2013, 141 : 577 - 589
[8] Image compressive sensing recovery using adaptively learned sparsifying basis via L0 minimization[J] . Jian Zhang,Chen Zhao,Debin Zhao,Wen Gao.Signal Processing . 2013
[9] The cosparse analysis model and algorithms
Nam, S.
Davies, M. E.
Elad, M.
Gribonval, R.
[J]. APPLIED AND COMPUTATIONAL HARMONIC ANALYSIS, 2013, 34 (01) : 30 - 56
[10] Applying alternating direction method of multipliers for constrained dictionary learning[J] . A. Rakotomamonjy.Neurocomputing . 2012

← 1 2 →