如何理解圖像信號的稀疏性？

信號稀疏性研究的第壹個高峰是1996。甚至更早，馬拉特的匹配追擊(MP)1993，多諾霍的基礎追擊(BP)1995。大多數人認為事實上所有的信號都是稀疏的。壹個簡單的例子就是無線通信，通信的頻段總是有限的(即使是帶寬相對較大的超寬帶通信)。後來在2000年，《自然》雜誌陸續發表相關文章，將這些思想發揚光大。(1)形式上的稀疏性然而，在這麽多的可能性中，真正被接受為壹個形象的是很少的，只是很小的壹部分。我想這應該是對圖像稀疏性最直白的解釋了。(2)稀疏模型圖像的稀疏模型主要用來說明圖像的稀疏性。我們可以列舉如下:局部模型:(1)馬爾可夫隨機場(MRF)，它把圖像看成是由定義域連接起來的系統。本質上是壹個降維的過程。(2)電視模型，圖像是連續的，本質是降維。(3)自回歸模型的本質是降維。(4)頻域模型，從基的角度分析稀疏性。如DCT，小波，空波，。。。(5)字典模型非局部模型非局部模型是指圖像滿足壹定的自相似性。其實概念早就有了。近幾年(2005年)逐漸升溫。最著名的是BM3D去噪算法。