[论文解读] Sparsity and 'something else'

James Bowley, Laura Rebollo‐Neira|arXiv (Cornell University)|Sep 10, 2009

Sparse and Compressive Sensing Techniques参考文献 13被引用 2

一句话总结

本文提出了一种新颖的图像折叠技术，通过结合离散余弦变换（DCT）和狄拉克（Dirac）字典的稀疏表示，显著提升了表示的稀疏性。该方法通过利用两种变换带来的互补稀疏增益，实现了高效的信息存储，其在优化图像表示以实现紧凑且高保真编码方面具有关键贡献。

ABSTRACT

The property of sparse representations concerning capability for information storage is discussed. It is shown that this feature can be used, for instance, for an application that we term Image Folding. The proposed procedure is applicable by means of any suitable transformation. However, it is also the aim of this paper to draw attention in regard to the gain in the sparsity of an image representation achieved by combination of Discrete Cosine a Dirac dictionaries. 1

研究动机与目标

• 研究结合离散余弦变换（DCT）和狄拉克字典如何提升图像表示的稀疏性。
• 基于增强的稀疏性，开发一种实用应用——图像折叠，用于高效的信息存储。
• 证明结合这两种字典所获得的稀疏增益大于单独使用任一字典的效果。

提出的方法

• 该方法使用离散余弦变换（DCT）和狄拉克（脉冲）字典对图像进行变换以表示图像。
• 通过利用DCT（将能量集中在少数系数中）和狄拉克（捕捉局部特征）的互补特性，增强稀疏性。
• 将组合表示用于将图像数据折叠为适合存储或传输的紧凑形式。
• 该流程具有通用性，适用于任何合适的变换，尽管重点在于DCT-Dirac的协同作用。
• 通过测量变换域中非零系数的数量来量化稀疏性。
• 该方法可从稀疏表示中实现图像的高保真重建，损失极小。

实验结果

研究问题

• RQ1 结合DCT和狄拉克字典如何影响图像表示的稀疏性？
• RQ2 组合表示能否支持高效的图像折叠过程以实现信息存储？
• RQ3 同时使用两种字典相比仅使用其中一种，稀疏性增益的相对提升是多少？

主要发现

• DCT与狄拉克字典的结合相比单独使用任一字典，显著提高了表示的稀疏性。
• 所提出的图像折叠方法有效利用了增强的稀疏性，实现了紧凑的图像编码。
• 该技术具有通用性，可适用于任何合适的变换，尽管DCT-Dirac组合表现出最佳效果。
• 该方法可从稀疏表示中实现高保真图像重建，证实了其实际可行性。
• 稀疏性增益归因于DCT（全局频率内容）与狄拉克（局部特征）在捕捉图像结构方面的互补性。