OMP和KSVD在图像稀疏表示和字典学习中的理解

最新推荐文章于 2024-05-30 11:24:19 发布

wmz13248

最新推荐文章于 2024-05-30 11:24:19 发布

阅读量2k

点赞数 1

分类专栏：配准、拼接、融合文章标签：算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/wmz13248/article/details/107951901

版权

本文介绍了在图像稀疏表示和字典学习中，OMP（Orthogonal Matching Pursuit）和KSVD（K-Singular Value Decomposition）算法的理解。OMP算法用于已知过完备字典D和输入图像y，求解稀疏系数x；KSVD算法则在已知图像y和初始字典D的情况下，通过K步SVD迭代更新字典D和稀疏系数x。

摘要由CSDN通过智能技术生成

最近学习稀疏表示和字典学习，了解到了OMP算法和KSVD算法，看了大量资料，理解如下：

1. OMP算法：

可以解决的问题：
已知过完备字典D，和输入图像y，通过公式 y=Dx求出稀疏系数x，其中，y是已经转换为列向量的图像

参考学习资料：相应的学习链接网址点击这里

2. KSVD算法：

可以解决的问题：
已知输入图像y，初始化一个DCT字典（也可以是其他字典），通过K步SVD分解计算的迭代，更新字典D和求解稀疏系数x

参考学习资料：

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。