稀疏表示是针对不确定方程组的求解问题而提出的。对不确定方程组Ax=b,A∈,且n<m,在A为满秩的条件下,方程数目小于未知数的个数,方程组有无数组解。给定不同的正则约束函数,不确定性方程组的解也会有所不同。稀疏表示模型是将解的系数性作为不确定性方程组一种约束,使方程组有唯一解。
稀疏表示的本质思想是:引入到信号表示理论中,从基或字典中寻求最小原子的线性组合来表示信号。从数学角度出发,系数表示模型是对高维数据进行线性分解的一种表示方法。假设信号(图像可看作一维向量)x∈,通过基或字典可得:
其中,是系数系数,即只有有限个(K)非零元素,其它元素均为零,则称α是K稀疏的。其具体过程如图所示:
稀疏表示问题可以通过下面等式约束给予描述:
其中,α为x的稀疏表示,D称为稀疏变换矩阵,为原子,类似于小波变换中的小波基。表示范数,含义为非零元素的个数。从理论上讲,上式属于NP-hard问题,计算量大。相关研究学者已证明在一定的系数条件下,范数可以转换为范数的凸优化估计问题:
在实际应用中,测量或传输过程中一般会引入噪声,数学模型可改写为:
上述等式约束模式转换成不等书约束模型,即:
其中,ε表示稀疏表示误差或噪声能量强度。上述模型具有其它等价模式,如稀疏性约束模式:
其中,ζ表示稀疏性指标,其正则化表达形式为:
其中,λ为正则化参数,用来均衡稀疏性和噪声或误差。