本节中所有算法均基于MATLAB实现，运行于配有Intel Xeon CPU E5－2620和64 GB RAM的工作站。为公平比较，所有比较算法均使用相同的随机初始化特征图与滤波器。
1）算法命名规则
比较四种带有凸约束的基于ADMM的高光谱图像卷积字典学习算法。
（1）HCDL：这是一个基于8.2节中需要海塞矩阵求逆计算的CDL算法，可以认为是文献［197］中二维CDL算法的三维拓展版本。由于其矩阵求逆是精确计算的，故该版本可以作为测试收敛速度的标准版。
（2）HCDL－greedy：这是HCDL的一个“贪婪”版本，其ADMM迭代只执行1次，可以看作文献［198］中快速CDL及使用ISM的文献［201］的三维拓展。
（3）PCDL1：这是基于式（8－20）构造预条件矩阵的算法8－1的实现。
（4）PCDL2：这是基于式（8－21）构造预条件矩阵的算法8－1的实现。
2）高光谱图像数据库说明
本实验用Columbia CAVE［249］光谱图像数据库中的图像作为训练样本。原始高光谱图像尺寸为512×512×31，覆盖光谱范围为400～700 nm。原始图像经过空间维上的2倍被下采样后，被裁为128×128×31的测试图像。经过归一化后，所有测试图像用一个标准差为σ＝4.773的13×13大小的高斯滤波器低通滤波，最终去除了低频成分之后的高频部分用作卷积字典学习。(www.xing528.com)
3）CDL算法参数设置
算法8－1中的参数设置如下：
式中，T为输入图像中的最大强度值［219］。实验中每个滤波器与系数特征图的ADMM迭代次数为S＝V＝5。
4）压缩重建算法参数设置算法8－1中的参数设置如下：
算法8－3中的最大迭代次数J＝3。
5）终止条件
当满足如下条件时，算法迭代终止：
F（d，z）是式（8－1）中定义的目标函数值，而l是算法8－1中的外重循环迭代索引。参数tol设置为10－3。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
