一种基于多原子字典的图像信号的稀疏表示方法

成果名称：一种基于多原子字典的图像信号的稀疏表示方法

成果完成单位：兰州理工大学

成果完成人：郭俊锋;李育亮

所属行业：制造业

成果登记号：9622022Y0422

成果简介：

① 课题来源与背景
智能机器人通过多种传感器与外界交流，据研究表明，其中约70％的外部信息来自视觉图像。传统的视觉图像采样是基于采样频率不能低于模拟信号频谱中最高频率的2倍的香农采样定理，这种采样方式将会得到巨量的数据，后期处理工作量大速度慢，导致机器人运行迟钝行为缓慢。近些年来，Donoho和Candes提出的全新的信号压缩采样方法—压缩感知,能大大降低数据的维数，减少数据量，其得到的测量值包含有能够重构出原图像信号的丰富信息。
② 技术原理及性能指标
信号的稀疏表示一般分为两大类方法：第一类是分析字典，如傅里叶基、DCT基、小波基、脊波字典、曲线波字典等；第二类就是根据数据或者信号本身训练的过完备字典。前者构造简单，但字典原子形态单一不能对复杂的自然图像进行有效的稀疏表示；而通过学习获得的冗余字典具有更好的自适应重构图像的能力，字典中原子与待重建图像具有相关性，能更有效表达图像局部结构特点，使得信号在字典上有更稀疏的表示。
③ 技术的创造性与先进性
针对现有技术中，对多原子字典进行学习的算法(例如，SGK算法)仅进行单列字典的更新而导致的计算复杂度高、时间消耗多的问题，提出一种基于多原子字典的图像信号的稀疏表示方法，包括：
对待处理信号进行稀疏性编码得到稀疏系数矩阵；
基于稀疏系数矩阵，对预设字典中预设数量的原子列更新残差；
对稀疏系数矩阵、以及字典中更新后的残差项进行收缩；
根据收缩后的稀疏系数矩阵以及收缩后的残差项对字典中预设数量的原子列进行迭代更新，在达到迭代停止条件的情况下得到更新后的字典
④ 技术的成熟度、适用范围和安全性
在目前较为成熟，适用范围：机械制造领域；安全性：安全
⑤ 应用情况及存在的问题
易可夫等提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典，提高了压缩数据收集对多样化传感数据的适应能力，同时抑制环境噪声对数据收集精度的影响，但其字典学习效率并未提高。陆婉芸等在字典原子训练的过程中加入某种特定的排序规则，使得各个影像字典在拥有各自影像属性的同时其原子也具备相似的排列顺序，减小影像间差异的干扰，但其仍旧沿用传统的K-SVD算法更新字典其计算复杂度较高。
⑥ 理念获奖情况
无