稀疏字典学习中图像恢复中的质量与稀疏性权衡

稀疏字典学习（SDL）是许多图像处理任务中有用的基本技术之一。本文考虑图像恢复问题，将其建模为非光滑优化问题。在此类问题中，迭代收缩方法代表了一类强大的算法，正在得到持续的研究。稀疏性是学习解的一个重要属性，因为正是稀疏性使得后续的处理或存储高效。稀疏性意味着恢复后的图像由尽可能少的字典元素组合而成。因此，问题随之而来：在SDL中应强制执行何种程度的稀疏性，以免损害恢复质量。本文聚焦于使用各种优化方法可获得的解的稀疏性。结果显示，根据所采用的方法，存在不同的稀疏性 regimes。此外，我们说明，尽管恢复后的图像与学习数据库相当不同，较高的稀疏性通常不会损害恢复质量。