資源描述：
《基于自適應(yīng)字典學習的稀疏重構(gòu)算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、分類號：密級：UDC：編號：河北工業(yè)大學碩士學位論文基于自適應(yīng)字典學習的稀疏重構(gòu)算法研究論文作者：劉雅莉?qū)W生類別：全日制專業(yè)學位類別：工程碩士領(lǐng)域名稱：電子與通信工程指導(dǎo)教師：馬杰職稱：教授資助基金項目：國家自然科學基金(61203245)、河北自然科學基金(F2012202027)DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofElectronicsandCommunicationEngineeringRESEARCHONTHESPARSERECONSTRUCTIONAL
2、GORITHMBASEDONADAPTIVEDICTIONARYLEARNINGbyLiuYaliSupervisor:Prof.MaJieMarch2016ThisworksupportedbyNationalNaturalScienceFoundation(61203245),HebeiProvinceNaturalScienceFoundation(No.F2012202027).摘要在稀疏表示理論中，對于給定的一組訓(xùn)練信號，為了實現(xiàn)信號的稀疏表示，使用一個包含信號信息的過完備字典，信號則可以由少量的字典原子的線性組合表示。過完備字典可以通過預(yù)定義的固定基產(chǎn)
3、生，也可以通過某種算法學習得到。固定基字典不能自適應(yīng)表示信號的結(jié)構(gòu)特征。學習型字典能夠根據(jù)訓(xùn)練樣本自適應(yīng)的構(gòu)造基函數(shù)，能更加準確地提取信號的結(jié)構(gòu)特征，而且其稀疏重構(gòu)誤差小于固定基字典，是近年來的研究熱點。論文在研究了基于KSVD字典學習算法的基礎(chǔ)上，為了提高字典訓(xùn)練速度與性能，提出一種ALM-KSVD字典學習算法，在稀疏編碼引入增廣拉格朗日乘子法（ALM，AugmentedLagrangeMultipliers)求解，更新字典則使用經(jīng)典K-SVD的字典更新算法。通過稀疏編碼和字典更新兩步迭代學習得到自適應(yīng)字典。為考察算法的字典訓(xùn)練速度和平均表示誤差(RMSE)，選
4、取了不同樣本數(shù)和噪聲標準進行數(shù)據(jù)合成實驗，結(jié)果表明本文算法比經(jīng)典的K-SVD算法字典訓(xùn)練速度快、RMSE低。為進一步考察算法的圖像去噪能力，選取不同的輸入圖像噪聲標準和字典原子數(shù)進行仿真，實驗結(jié)果表明本文算法比經(jīng)典的K-SVD算法獲得更高的峰值信噪比(PSNR)，具有良好的去噪性能。關(guān)鍵字：稀疏編碼；字典學習；KSVD；增廣拉格朗日乘子法；ALMIABSTRACTInsparserepresentationtheory,inordertoachievethesparserepresentationofsignals,asetofgiventrainingsigna
5、lcanberepresentedbyalinearcombinationofasmallnumberofdictionaryatomswhenaover-completedictionarycontainingtheinformationofgivensignalisused.Redundantdictionarycanbegeneratedbydefiningafixedbase,orcanbeobtainedbylearningsomealgorithm.Inrecentyears,alearningdictionaryisaresearchhotspot,
6、whichcanadaptivethebasisfunctionaccordingtothestructureofthetrainingsample,andcanmoreaccuratelyextractthesignalstructurecharacteristics.However,thefixedbasedictionarycan'tadaptivesignalstructurecharacteristics,andthesparsereconstructionerrorofwhichismorethanthelearningdictionary.Animp
7、rovementofK-SVDdictionarylearningalgorithmhasbeenproposedinthispaper,throughthetwo-stageiterationofsparsecodinganddictionaryupdate.Inordertoimprovethedictionarytrainingspeedandperformance,AugmentedLagrangianmultipliermethod(ALM)isintroducedinthesparsecodingstage,whilethestandardK-SVDd
8、ictio
