论文研究结合KSVD和分类稀疏表示的图像压缩感知.pdf

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。