稀疏表示中字典學習的影響因子研究

趙娜，趙彤洲*，鄒沖，劉瑩，蔡敦波

1.武漢工程大學計算機科學與工程學院，湖北 武漢 430205；2.智能機器人湖北省重點實驗室，湖北 武漢 430205

稀疏表示中字典學習的影響因子研究

趙娜1，2，趙彤洲1，2*，鄒沖1，2，劉瑩1，2，蔡敦波1，2

1.武漢工程大學計算機科學與工程學院，湖北 武漢 430205；2.智能機器人湖北省重點實驗室，湖北 武漢 430205

研究了稀疏表示中影響字典矩陣構建質量的關鍵因素，并實現了關鍵因子定量化表示.分別對圖像數量、取塊大小、字典列數和取塊步長等因子進行參數調整并生成字典矩陣，結合系數矩陣對原始圖像重構，以峰值信噪比和結構相似性索引測量這兩種質量評價指標作為字典質量的評估依據.實驗以CMU_PIE_Face數據庫為數據源，結果表明當圖像數量為500張、取塊大小為4個像素點、字典列數為512維、取塊步長為2個像素點時，所得到的字典具備對原始圖像的最佳表示能力.因此，稀疏表示中關鍵因子的定量化表示可加速字典學習過程且簡化模型復雜度，提高字典抽象層質量，具備更強的圖像表現力.

稀疏表示；字典學習；字典精度；圖像質量評價指標

人類視覺系統中僅用少量視覺神經元就能捕獲自然場景中的關鍵信息［1］，即場景主要信息可以通過稀疏表示充分表達.現在稀疏表示已經在信號和圖像處理領域得到了廣泛應用，如圖像去噪［2］、圖像恢復［3］、人臉識別［4-5］、物體檢測［6］等方面.稀疏表示理論也得到了深入的研究，其中最早由Engan提出了最優方向算法（method of optimal directions，MOD），該算法……