基于综合模型的图像稀疏表示

   图像过完备稀疏表示作为一种有效的图像稀疏表示模型，其编码机制与人类视觉感知系统处理信息的方式相匹配，字典中的原子可以理解为人类视觉皮层中的神经元，应具有与神经元相类似的感受野结构，如方向性、局部性、帯通性，从而可以有效的捕获到自然图像中的局部几何结构信息。

    图像信号自身通常在空间域是不稀疏的，但在特定字典下的分解系数则有可能变得稀疏，能否对图像信号形成稀疏的表示本质上取决于字典的性能。

    基于综合模型的稀疏表示的主要思想是尽可能用少的非零系数表示信号的主要信息，从而达到简化求解信号处理问题过程的目的。基于综合模型的稀疏表示可以描述为：

    给定字典:，字典D中的每一列称为一个原子，则稀疏信号可以表示为字典D中若干原子的线性组合，可描述成下列式子：

                         或者

                       

    其中为信号x在字典D下的表示系数。如果中仅有个非零系数，则称系数是s-稀疏的，或称x关于字典D是s-稀疏的式中范数一般为0范数，1范数或者范数。

     上述优化模型包含两个未知量：矩阵 D 及稀疏编码 。首先，这里假设信号 y 在矩阵 D 下的表示是稀疏的，如何选择 D 使得这个假设成立，这个问题在稀疏表示中叫做字典学习。其次，当字典 D 选定以后，用什么算法快速精确的求解稀疏编码，这个问题在稀疏表示中叫做稀疏分解算法设计。