结构稀疏模型
。单个信号的先验:单个信号的块稀疏结构,高斯统计分布
。多个信号的先验:MMV模型,联合稀疏模型
自相似
。基于分类
。基于协同
融合方法
。像素级
。特征级
。决策级
。线性加权图像融合
。基于金字塔变换的图像融合
。基于 PCA 的图像融合
。基于小波变换的图像融合
。同步匹配追踪SOMP融合方法
稀疏表示是指,一个信号在过完备字典中,可以由少数个原子线性表达,
贪婪算法的核心是每次从字典的原子中选择一个最优原子来表示原始的信号。
SOMP算法主要思想为:相似的原子具有相同的稀疏特性。因此在对相似原子进行稀疏表示时,假设稀疏原子位于相同的位置,及其在过完备字典的选择的原子相同,OMP算法是SOMP算法在原始信号为一个原子时的特殊情况。
\\联合稀疏模型(Joint Sparsity Models,JSM)中常用的主要有 JSM-1 型和 JSM-2 型。
在 JSM-1 型中,被观测信号集中每个信号都由公共稀疏部分和各自独立的稀疏部分组成。公共稀疏部分和各自独立的稀疏部分都可以通过同一个稀疏基进行稀疏表示
JSM-2 模型中所有信号间都具有相同的稀疏支撑集而只是非零系数不同。在本模型 中 , 所 有 原 信 号 都 可 以 通 过 同 一 个 稀 疏 基 构 造 。SOMP 算法也是基于该模型。
--《压缩感知理论与应用》2018版