基于秩最小化方法分析群稀疏性
计算机视觉与模式识别
2017-06-13 v9
摘要
稀疏编码在各种图像处理研究中取得了巨大成功。然而，由于稀疏判别条件无法保持不变，目前没有任何基准可以衡量图像块/群的稀疏性。本文基于秩最小化策略分析了群的稀疏性。首先，为每个群设计了一个自适应字典。然后，我们证明了基于群的稀疏编码等价于秩最小化问题，因此每个群的稀疏系数是通过估计每个群的奇异值来衡量的。基于该度量，发现加权 Schatten -范数最小化 (WSNM) 是最接近每个群真实奇异值的解。因此，在基于群的稀疏编码中，WSNM 可以等价转化为非凸 -范数最小化问题。为了使所提方案易于处理且具有鲁棒性，使用交替方向乘子法 (ADMM) 来求解 -范数最小化问题。在图像修复和图像压缩感知 (CS) 恢复两个应用上的实验结果表明，所提方案优于许多 state-of-the-art 方法。
引用
@article{arxiv.1611.08983,
title = {Analyzing the group sparsity based on the rank minimization methods},
author = {Zhiyuan Zha and Xin Liu and Xiaohua Huang and Henglin Shi and Yingyue Xu and Qiong Wang and Lan Tang and Xinggan Zhang},
journal= {arXiv preprint arXiv:1611.08983},
year = {2017}
}
备注
arXiv admin note: text overlap with arXiv:1702.04463