快速稀疏編碼器的研究及應(yīng)用.pdf

1、稀疏編碼(Sparse-Coding，SC)算法充分利用了自然圖像的冗余特性，通過學(xué)習(xí)的方法得到一組過完備的基底（字典），從而將目標(biāo)信號表示為過完備基底（字典）中少數(shù)基底的線性組合。稀疏編碼在當(dāng)前圖像算法中有著廣泛的應(yīng)用，然而稀疏編碼算法計(jì)算復(fù)雜度高，阻礙了其在實(shí)際中的應(yīng)用?；谝陨蠁栴}，本論文研究的主要內(nèi)容是快速稀疏編碼器及其在圖像處理中的應(yīng)用。
　　本論文在稀疏編碼的基礎(chǔ)上，主要做了以下兩個(gè)方面的研究:(1)結(jié)合傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)

2、算法與稀疏編碼方法，提出了一種FSCN(Fast Sparse Coding Network)算法。稀疏表達(dá)算法，在編碼階段計(jì)算量大。神經(jīng)網(wǎng)絡(luò)具有分布式存儲和并行協(xié)同處理結(jié)構(gòu)，能夠快速實(shí)現(xiàn)信號處理或模式識別。受神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)啟發(fā)，本論文提出一個(gè)快速的類稀疏編碼器。實(shí)驗(yàn)表明，本論文提出的快速稀疏編碼器比K-SVD方法速度提升200-300倍。同時(shí)將此快速稀疏編碼器應(yīng)用在圖像去噪，相比K-SVD方法能夠得到較好質(zhì)量的恢復(fù)圖像。(2)深度學(xué)