最近在查SR的资料(A general framework for image fusion based on multi-scale transform and sparse representation),结合大神门的博客写一下我自己的理解,作个笔记。
http://blog.csdn.net/zhang11wu4/article/details/8058777
http://www.360doc.com/content/15/1226/20/908538_523301655.shtml
http://blog.sina.com.cn/s/blog_4d1865f00100s2j3.html
http://blog.csdn.net/qustqustjay/article/details/46799525
稀疏表示的本质是信号拟合的问题,使用稀疏字典中原子(基向量)的线性组合近似表达输入信号(目标向量),
且原子空间存在一定的冗余。
求信号:x ∈ R^n
依据:1.字典 D ∈ R^(n*m),其中n<m,称为超完备字典(overcomplete)或者冗余字典
2.稀疏系数 α∈ R^m
使得:x = Dα 且 min ||α||_0
在图像处理中,稀疏编码技术常用于局部图像块,为了保留更多的信息,采用滑动窗口技术。从这些局部图像块中
提取特征,对原始特征向量进行选择和变换,得到最具有表现力和区分度的视觉特征向量。这种选择和变换一种方
法是量化(例如
http://blog.csdn.net/zhang11wu4/article/details/8058777
http://www.360doc.com/content/15/1226/20/908538_523301655.shtml
http://blog.sina.com.cn/s/blog_4d1865f00100s2j3.html
http://blog.csdn.net/qustqustjay/article/details/46799525
稀疏表示的本质是信号拟合的问题,使用稀疏字典中原子(基向量)的线性组合近似表达输入信号(目标向量),
且原子空间存在一定的冗余。
求信号:x ∈ R^n
依据:1.字典 D ∈ R^(n*m),其中n<m,称为超完备字典(overcomplete)或者冗余字典
2.稀疏系数 α∈ R^m
使得:x = Dα 且 min ||α||_0
在图像处理中,稀疏编码技术常用于局部图像块,为了保留更多的信息,采用滑动窗口技术。从这些局部图像块中
提取特征,对原始特征向量进行选择和变换,得到最具有表现力和区分度的视觉特征向量。这种选择和变换一种方
法是量化(例如