稀疏和冗余在图像处理的应用

目前， 稀疏表示的应用范围基本为自然信号形成的图像、音频以及文本等， 对于非自然信号或数据的应用尚未有文献涉及。在应用方面， 可大体划分为两类： 　　基于重构的应用 　　此类应 用 有 图 像 去 噪、 压 缩 与 超 分 辨 、S A R 成像 、 缺失图像重构 以及音频修复 等。这些应用主要将目标的特征用若干参数来表示， 这些特征构成稀疏向量， 利用稀疏表示方法得到稀疏向量， 根据数学模型进行数据或图像重构。在这些应用中， 观测数据一般含有噪声。 基于分类的应用 这类应用的本质是模式识别 ， 将表征对象主要的或本质的特征构造稀疏向量， 这些特征具有类间的强区分性。利用稀疏表示方法得到这些特征的值， 并根据稀疏向量与某类标准值的距离， 或稀疏向量间的距离判别完成模式识别或分类过程， 例如盲源分离、 音乐表示与分类、 人脸识别 、文本检测。