【技术实现步骤摘要】
一种基于加权L1范数的卷积稀疏编码方法
本专利技术属于图像处理
，具体涉及一种基于加权L1范数的卷积稀疏编码方法。
技术介绍
稀疏编码是一种被广泛应用于信号和图像处理应用的技术，在稀疏编码模型中，输入元素可看作超完备字典中多个原子的线性组合，其中只有部分原子对应的系数非零(当字典中原子的个数大于输入元素的维数时，则称该字典为超完备或冗余字典)。对输入元素的稀疏编码就是要在超完备字典中寻找尽可能少的原子来线性表示输入元素。稀疏编码问题符合人类感知系统中的稀疏编码策略，能够捕捉到数据内在的特性，因此得到了众多研究者的关注以及在计算机视觉领域广泛的应用。但是，在将稀疏表示用于二维图像处理时，考虑到计算的复杂性，大多都是将图像分块后对图像块进行单独编码，当将其划分为小块时，图像的潜在结构信息可能会丢失。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的不足，提供一种基于加权L1范数的卷积稀疏编码方法，将加权向量引入卷积稀疏编码中，再将卷积问题转化为频域，通过Sherman-Morrison...
【技术保护点】
1.一种基于加权L1范数的卷积稀疏编码方法，其特征在于，包括如下步骤，/n步骤S1、对字典过滤器{d
【技术特征摘要】
1.一种基于加权L1范数的卷积稀疏编码方法，其特征在于，包括如下步骤，
步骤S1、对字典过滤器{dm}和目标图像s进行傅里叶变换，并计算L1范数的自适应权重wm；
步骤S2、根据交替方向乘子法构建卷积稀疏编码优化模型，将优化问题分解为x子问题和y子问题；
步骤S3、根据卷积定律将x子问题转化为频域；
步骤S4、通过变量重排列将x子问题的求解分解为若干个独立的线性问题进行求解；
步骤S5、通过软阈值法对y子问题进行求解；
步骤S6、根据获取的x子问题和y子问题的求解更新对偶变量um，计算出原始残差rp和对偶残差rd及计算原始停止条件∈pri和对偶停止条件∈dua，更新惩罚系数ρ，当循环达到最大迭代次数或原始残差和对偶残差满足停止条件rp≤∈pri且rd≤∈pri时，输出卷积稀疏特征图，否则调转到步骤S4。
2.根据权利要求1所述的一种基于加权L1范数的卷积稀疏编码方法，其特征在于，所述步骤S1中，对给定的m个字典过滤器{dm}和目标图像s做傅里叶变换，获取和其中，目标图像s转化为一个N维向量，N是目标图像s的像素数量；再对和的商做傅里叶反变换，获取其中，表示傅里叶反变换；则可以计算出自适应权重其中，γ是给定的权重参数。
3.根据权利要求1所述的一种基于加权L1范数的卷积稀疏编码方法，其特征在于，所述步骤S2中的卷积稀疏编码优化模型为其中，dm为一组字典过滤器，s为目标图像，*为卷积操作，xm为一组卷积稀疏特征图，λ为正则化参数，⊙为哈达玛积，为向量x的L2范数的平方，即向量x各元素的平方和，||x||1为向量x的L1范数。
4.根据权利要求1所述的一种基于加权L1范数的卷积稀疏编码方法，其特征在于，所述步骤S3中，将x子问题转化为频域的具体方法为：首...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。