×
布迪尼奇，雷纳托;格琳德·普隆卡

基于树的词典学习框架。 （英语） Zbl 1458.94077号

国际小波多分辨率。信息处理。 18，第5号，文章ID 2050041，24 p.（2020）。
小结：我们提出了一种新的基于训练数据分层聚类的稀疏编码自适应字典学习方法。通过递归应用聚类方法，将数据组织为表示多尺度结构的二叉分区树。字典原子是根据分区树中的数据簇自适应定义的。这种方法可以解释为离散Haar小波变换的推广。此外，任何关于字典元素所需结构的先验知识都可以简单地结合起来。我们提出的算法的计算复杂性取决于所使用的聚类方法和所选择的数据点之间的相似性度量。由于分区树的多尺度特性，我们的字典是结构化的：当使用正交匹配追踪从自然图像重建补丁时，与树中靠近根节点的节点对应的字典原子倾向于使用更大的系数。

引用于1文件

MSC公司：

94甲12 信号理论（表征、重建、滤波等）
94A08型 信息与通信理论中的图像处理（压缩、重建等）
68单位10 图像处理的计算方法
65D18天 计算机图形、图像分析和计算几何的数值方面
42立方厘米 涉及小波和其他特殊系统的非三角调和分析

关键词：

多尺度词典学习;层次聚类;二叉分区树;广义自适应Haar小波变换;聚类;正交匹配追踪

软件：

RBEPWT公司;EMD公司
PDF格式BibTeX公司 XML格式引用
\textit{R.Budinich}和\textit{G.Plonka}，国际小波多分辨率。信息处理。18，第5号，文章ID 2050041，24 p.（2020；Zbl 1458.94077）
全文： 内政部 arXiv公司

参考文献：

[1] Aharon，M.、Elad，M.和Bruckstein，A.，K-SVD：设计稀疏表示超完备字典的算法，IEEE Trans。《信号处理》54（11）（2006）4311-4322·Zbl 1375.94040号
[2] Bauckhage，C.和Sifa，R.，k-maxoids聚类，见LWA（Springer，2015），第133-144页。
[3] Beck，A.和Teboulle，M.，线性逆问题的快速迭代收缩阈值算法，SIAM J.Imaging Sci.2（1）（2009）183-202·Zbl 1175.94009号
[4] Blumensath，T.和Davies，M.E.，稀疏近似的迭代阈值，J.Fourier Ana。申请14（5-6）（2008）629-654·Zbl 1175.94060号
[5] Budinich，R.，《用于稀疏图像表示的基于区域的易路径小波变换》，《国际小波多分辨率》。Inf.过程15（05）（2017）1750045·Zbl 1375.65176号
[6] R.Budinich，用于稀疏图像表示和字典学习的自适应多尺度方法，哥廷根大学博士论文（2018）·Zbl 1450.94002号
[7] Cai，J.，Ji，H.，Shen，Z.和Ye，G.，数据驱动紧框架构造和图像去噪，应用。计算。哈蒙。分析37（1）（2014）89-105·Zbl 1336.94008号
[8] Chambolle，A.和Pock，T.，凸问题的一阶原对偶算法及其在成像中的应用，J.Math。《成像视力》40（1）（2011）120-145·Zbl 1255.68217号
[9] Damelin，S.B.和Miller，W.Jr，《信号处理数学》，第48卷（剑桥大学出版社，2012年）·Zbl 1257.94001号
[10] Davies，G.、Mallat，S.和Avellaneda，M.，《自适应贪婪近似》，Constr。约13（1）（1997）57-98·Zbl 0885.41006号
[11] Dragotti，P.L.和Lu，Y.M.，《关于傅里叶基和局部基的稀疏表示》，IEEE Trans。《Inf.Theory》60（12）（2014）7888-7899·Zbl 1359.94044号
[12] Eksioglu，E.M.和Bayir，O.，K-SVD满足转换学习：转换K-SVD。IEEE信号处理。Lett.21（3）（2014）347-351。
[13] Elad，M.，《稀疏和冗余表示：从理论到信号和图像处理应用》，第1版。（Springer Publishing Company，Incorporated，2010）·Zbl 1211.94001号
[14] Jenatton，R.、Mairal，J.、Obozinski，G.和Bach，F.，稀疏层次词典学习的近似方法，J.机器学习。第12号决议（2011）2297-2334·Zbl 1280.94029号
[15] Kong，H.、Wang，L.、Teoh，E.K.、Li，X.、Wang、J.-G.和Venkateswaru，R.，人脸图像表示和识别的广义2d主成分分析，神经网络18（5）（2005）585-594。
[16] Liu，L.，Ma，J.和Plonka，G.，抑制随机地震噪声的稀疏图形规则字典学习，《地球物理》83（3）（2018）V215-V231。
[17] Liu，L.，Plonka，G.和Ma，J.，通过学习张量紧框架进行地震数据插值和去噪，《反演概率》33（10）（2017）105011·Zbl 1411.86004号
[18] Lu，C.，Shi，J.和Jia，J.，在线健壮词典学习，收录于Proc。IEEE Conf.计算机视觉和模式识别（2013），第415-422页。
[19] Mairal，J.、Bach，F.、Ponce，J.和Sapiro，G.，《稀疏编码的在线词典学习》，收录于Proc。第26届年度国际会议机器学习（ACM，2009），第689-696页·Zbl 1242.62087号
[20] Mairal，J.，Bach，F.，Ponce，J.和Sapiro，G.，矩阵分解和稀疏编码的在线学习，J.Mach。学习。第11号决议（2010年）19-60·Zbl 1242.62087号
[21] Mallat，S.，《信号处理的小波之旅：稀疏方法》（学术出版社，2008年）·Zbl 1170.94003号
[22] Mazaheri，J.A.、Guillemot，C.和Labit，C.，《学习树结构字典，通过自适应稀疏编码实现高效图像表示》，收录于2012年IEEE Int.Conf.Acoustics，Speech and Signal Processing（ICASSP）（IEEE，2013），第1320-1324页。
[23] Murtagh，F.，《树状图的Haar小波变换》，J.Classicat.24（1）（2007）3-32·Zbl 1141.65094号
[24] Natarajan，B.K.，线性系统的稀疏近似解，SIAM J.Comput.24（2）（1995）227-234·Zbl 0827.68054号
[25] Nguyen，H.V.、Patel，V.M.、Nasrabadi，N.M.和Chellappa，R.，《内核词典学习》，收录于2012年IEEE Int.Conf.Acoustics，Speech and Signal Processing（ICASSP）（IEEE，2012年），第2021-2024页。
[26] Ophir，B.、Lustig，M.和Elad，M.，《使用小波的多尺度字典学习》，IEEE J.Sel。顶部。信号处理。5（5）（2011）1014-1024。
[27] Pati，Y.C.，Rezaiifar，R.和Krishnaprasad，P.S.，《正交匹配追踪：递归函数逼近及其在小波分解中的应用》，收录于1993年第二十届亚西洛马会议的会议记录，《信号、系统和计算机》，1993年（IEEE，1993年），第40-44页。
[28] Reisenhofer，R.，Bosse，S.，Kutyniok，G.和Wiegand，T.，《用于图像质量评估的基于Haar小波的感知相似性指数》，《信号处理》。Image Commun.61（2018）33-43。
[29] Rubinstein，R.、Peleg，T.和Elad，M.，《分析K-SVD：分析稀疏模型的字典学习算法》，IEEE Trans。信号处理。61（3）（2013）661-677·Zbl 1393.94416号
[30] Rubner，Y.、Tomasi，C.和Guibas，L.J.，《推土机距离作为图像检索的度量标准》，国际计算机杂志。见40（2）（2000）99-121·Zbl 1012.68705号
[31] Shen，L.，Huang，Q.，Wang，S.，Lin，Z.和Wu，E.，多层判别词典学习及其在大规模图像分类中的应用，IEEE Trans。图像处理。24（10）（2015）3109-3123·Zbl 1408.94591号
[32] Shi，J.和Malik，J.，标准化切割和图像分割，IEEE Trans。模式分析。机器。《情报》22（8）（2000）888-905。
[33] Sulam，J.、Ophir，B.、Zibulevsky，M.和Elad，M.，《Trainets:高维词典学习》，IEEE Trans。信号处理。64（12）（2016）3180-3193·Zbl 1414.94014号
[34] Tillmann，A.M.，《精确和近似字典学习的计算难处理性》，IEEE信号处理。Lett.22（1）（2015）45-49。
[35] Tropp，J.A.，《贪婪是好的：稀疏近似的算法结果》，IEEE Trans。《信息论》50（10）（2004）2231-2242·Zbl 1288.94019号
[36] Yan，D.，Huang，L.和Jordan，M.I.，《快速近似光谱聚类》，摘自Proc。第15届ACM SIGKDD国际会议知识发现和数据挖掘（ACM，2009），第907-916页。
[37] Yankelevsky，Y.和Elad，M.，对偶图正则化字典学习，IEEE Trans。信号信息处理。Netw.2（4）（2016）611-624。
[38] 曾，X.，卞，W.，刘，W.、沈，J.和陶，D.，基于格拉斯曼流形的字典对学习用于图像去噪，IEEE Trans。图像处理。24（11）（2015）4556-4569·兹比尔1408.94790
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。