[发明专利]用于表示视觉信息的方法、计算机程序、计算机程序产品和系统

权利要求书

1.一种用于表示包括表示视觉信息的至少一个n维数据元素(110)的数据集的计算机实现的方法，所述方法包括：

获得(210)所述数据集，

获得(220)包括多个字典(101)的字典集合(100)，每个字典包括至少一个基函数(102)，

将至少一个数据元素(110)中的每个数据元素分配(230)到字典(101)，其中，基函数(102)集表示m维变换域，

利用基函数(102)的相应字典(101)将至少一个数据元素(110)变换(240)到变换域，其中，每个数据元素(110)由关联的系数集(120)定义，

稀疏(250)所述系数集(120)，

形成(260)包括系数数据集(120)和所述相应字典(101)的视觉信息的表示，

其中，所获得的字典集合(100)包括通过至少组合至少一个预聚类集合形成的字典集合，其中，每个预聚类集合是从包括训练数据元素的训练视觉信息的训练数据集获得的，其中，所述训练视觉信息被划分为预聚类，

其中，通过将每个训练数据元素(110)分配给每个预聚类的字典的相应预聚类集合中的基函数(102)的字典来对所述预聚类进行聚类，以及

其中，每个预聚类集合都经过训练以最小化重构误差并使训练数据元素(110)的训练系数集(120)的稀疏性最大化，并且其中已经更新所述聚类并且迭代所述训练直到满足至少一个条件。

2.根据权利要求1所述的方法，其中，集合获得步骤(220)进一步包括集合学习步骤(300)，所述集合学习步骤包括：

获得(310)包括训练数据元素的训练视觉信息的训练数据集，

将所述训练视觉信息划分为(320)预聚类，

为每个预聚类初始化(330)字典的预聚类集合，

通过将每个训练数据元素分配给所述相应预聚类集合中的基函数的字典来对所述预聚类进行聚类(340)，

训练(350)每个预聚类集合，以最小化所述重构误差并最大化训练数据元素的所述训练系数集的所述稀疏性，

更新(360)所述聚类并且迭代所述训练直到满足至少一个条件，

组合(370)至少一个预聚类集合的至少一个以形成字典集合(100)。

3.根据权利要求1或2所述的方法，其中，变换域维数m至少为2，并且其中，所述基函数(102)集在所述变换域中以其各个维度独立地表示每个数据元素(110)。

4.根据前述权利要求中的任一项所述的方法，其中，变换域维数m等于或大于所述视觉信息的维数n，并且其中，所述基函数(102)集在所述变换域中以其各个维度独立地表示每个数据元素(110)。

5.根据前述权利要求中的任一项所述的方法，还包括：

重构步骤，包括：选择数据元素(130)，并选择用于重构所述数据元素(130)中数据点(131)的至少一个维度，以及从基函数的相应的系数集(120)和字典(101)在所选择的所述至少一个维度中重构至少一个数据点(131)。

6.根据前述权利要求中的任一项所述的方法，其中，所获得的数据集包括基于传感器数据的内插的传感器数据元素(110)和/或数据点(111)。

7.根据前述权利要求中的任一项所述的方法，其中，所获得的数据集包括基于计算机生成的图像的内插的数据元素(110)和/或数据点(111)。

8.根据权利要求5所述的方法，其中，所获得的数据集包括关键帧，并且所述重构步骤被布置为生成中间帧。

9.根据前述权利要求中的任一项所述的方法，其中，稀疏系数的阈值由有损压缩中的可容忍误差量来定义。

10.根据前述权利要求中的任一项所述的方法，其中，形成(260)所述视觉信息的表示包括：压缩至少一个稀疏系数集(120)。