存在稀疏结构化异常值与噪声时的子空间学习

子空间学习是一个重要问题，在图像与视频处理中有许多应用。它可用于寻找信号与图像的低维表示。但在许多应用中，期望信号被异常值与噪声严重扭曲，这对学习到的子空间产生负面影响。本工作中，我们提出一种在存在结构化异常值与噪声时用于信号表示子空间学习的新算法。所提算法试图联合检测异常值并学习图像的子空间。我们给出一种求解该问题的交替优化算法，其在学习子空间与寻找异常值之间迭代。该算法已在大量图像块上训练，且学习到的子空间用于图像分割，并被证明比先前方法（包括最小绝对偏差拟合、DjVu中基于k-means聚类的分割以及形状基元提取与编码算法）取得更好的分割结果。