一、图像的稀疏
首先理解图像的稀疏,分解原始图像为若干个的块,这些样本就是图像中的单个样本块,在固定的字典上系数分解y之后,便得到稀疏向量,从而组成稀疏矩阵,其中x为y在D上的分解稀疏,成为稀疏矩阵,可表示为:
字典矩阵中的各个列向量被称为原子(Atom). 当字典矩阵中的行数小于甚至远小于列数时,即m⩽n,字典D是冗余的。所谓完备字典是指原子可以张成n纬欧式空间. 如果在某一样本在一过完备字典上稀疏分解所得的稀疏矩阵含有大量的零元素,那么该样本就可以被稀疏表征,即具有稀疏性。一般用L0范数作为稀疏度量函数
二、匹配追踪算法的大体思想总结
匹配追踪的算法思想优点类似于贪婪算法的思想,简单来说,由Y=D*x我们可知,每个原子的贡献情况不同,比如假设D中有b1,b2,b3三个元素,我们假设稀疏矩阵使b1的贡献最大,b2的贡献次之,而匹配追踪的算法做的事情则是,首先寻找贡献最大的原子,然后再寻找贡献次之的原子,最终接近所给出的稀疏度