《Multi-focus Image Fusion using dictionary learning and Low-Rank Representation》阅读

摘要

低秩表示能够捕捉全局结构，局部表示能力受到限制因为其缺乏字典学习。

目的使图像融合的时候在全局和局部表现的更好。首先，首先原始图像被分成很多块，然后这些块更具根据（HOG）分类。每个类的子字典使用K-SVD学习。子字典组合成全局的字典。全局的字典经过LRR得到每个块的低秩表示系数向量。最后对每个系数l1正则化和选择最大策略被用到去重建融合图像从融合的LRR系数和全局字典。

简介

基于非表示学习方法：DWT（金典的变换算法）  缺点：没有充分详细的表现能力。表示学习最通用的方法用在稀疏域