论文部分内容阅读
由于原始信号能够通过字典原子的某一线性组合进行稀疏表示,因此在压缩感知理论中,原始的高维信号可以从低维测量值中进行恢复。但是,对于一些信号,譬如图像、视频等,因其具有高维性、多变性以及繁杂性等特点,用线性表示模型难以对其进行稀疏表示。这种情况下,需要在非线性流形下获取更优的稀疏表示。文中首先介绍了核字典学习方法中的KKSVD算法,对其稀疏编码阶段进行改进,得到自适应核K-SVD字典学习算法(AKKSVD),并将其与核压缩感知理论(KCS)相结合,提出了一种基于AKKSVD字典学习的KCS算法(AKK