论文部分内容阅读
压缩感知中，考虑信号具有的结构信息，使得信号可以通过少量子空间的联合来更好地表示. 基于稀疏聚集的块结构字典学习方法以字典原子支撑集的交集大小判别原子相似性，并不能对字典原子支撑集数目差别大的情况进行辨别.针对这一问题，提出一种基于球面K-均值的块结构字典学习方法，该算法将字典原子支撑集差别纳入度量范围，通过余弦距离判别字典原子相似性，聚类形成具有非均匀块结构字典，最后利用学习得到的块结构字典对信号进行重构，通过实验仿真表明，与离散余弦基(DCT)、无结构字典和基于稀疏聚集的块结构字典相比，该方法学习得到的字典稀疏表达更加贴近原始信号，与图像信号的匹配度更好，能有效的提高图像重构质量，降低了信号的重构误差.