对于特定的稀疏表示方法,其优劣一般采用表示系数的稀疏程度来度量。图像的稀疏性一般采用范数来定义,即不为零的系数数量越少,越稀疏。然而,在图像处理的实际应用中,通常受到噪声干扰,采用范数来度量稀疏性的效果会变差。在数学分析理论中,范数常被用来度量稀疏性,其能较好地度量非零系数的个数与系数误差。而且,当0<p<1时,与存在一定的关系,当p→0时,
即,当p→0时,范数越接近x中非零的个数,下图给出了范数随参数p的变化:
同范数类似,稀疏因子(SF)可用来衡量表示的稀疏程度,稀疏因子主要用过个数比来度量稀疏程度。其定义为:
其中,分子表示绝对值对应给定阈值T的系数个数,分母表示x中总的系数个数,即阈值的大小决定了稀疏程度的好坏。
除了范数、范数与稀疏因子之外,非线性逼近性能也是衡量稀疏性与压缩性能的重要指标。假设是Hilbert空间H的一组标准正交基,则f∈H可分解为:
其中, 称为f的M项非线性逼近(为的最大系数幅值的M个向量)。那么,非线性逼近误差可数学化为: