Metode OMP atau Orthogonal Matching Pursuit merupakan versi ortogonalnya Matching Pursuit yang dikenal sebagai algoritma serakah, yang dikembangkan untuk menemukan vektor solusi sprase untuk sistem persamaan linier yang berlebihan, atau disebut juga dengan pencarian pencocokan. Metode ini sudah dikenal sejak tahun 1992 dari S.G Mallat dan Zhifeng Zhang yang mempertahankan ortogonalitas mundur dari residual pada setiap langkah yang mengarah pada peningkatan konvergensi. Mallat dan Zhang pula lah yang mengusulkan algoritma iteratif untuk membangun representasi dari bentuk P V f = X.

Adapun perbedaan utama dari MP ini adalah, bahwa setelah setiap langkah, semua koefisien yang diekstrasi diperbarui dengan melakukan penghitungan proyeksi ortogonal sinyal ke subruang yang direntang oleh himpunan atom yang dipilih. Meski membutuhkan lebih banyak komputasi, hasil yang didapat menjadi lebih baik, bila dibandingkan dengan MP standar.

OMP terbukti memiliki stabilitas serta jaminan kinerja di bawah kondisi isometri terbatas. Ekstensi Multichannel MP dan OMP memungkinkan seseorang agar bisa melakukan proses sinyal multikomponen.

Dengan menambah kamus menjadi basis Wavelet, metode OMP lebih dari beberapa skala dan posisi yang dapat dilakukan menggunakan operator konvolusi tanpa mengubah algoritma inti agar lebih efisien. Bahkan para peneliti di komunitas tersebut telah melakukan pengejaran pencocokan yang dikaitkan dengan penginderaan terkompresi dan telah diperluas.

Metode Analisis Algoritma OMP sendiri memang lebih rumit dari MP, dimana OMP memulai pencarian dengan mencari kolom A dengan korelasi maksimum dengan melakukan pengukuran y pada langkah pertama. Setelah itu, pada setiap iterasi akan mencari kolom A dengan korelasi maksimum dengan residual yang ada.

Pada setiap iterasi, estimasi vektor sinyal diperbarui oleh kolom A yang sangat berkorelasi sebagai Aj seperti yang dijelaskan berikut ini:

Algoritma 3 menggambarkan OMP untuk pemulihan dalam penginderaan tekan. Variabel input untuk algoritma adalah vektor pengukuran y dan matriks penginderaan tekan A.

Awalnya vektor residual diambil sebagai y karena pada setiap iterasi ke-i dihitung dari ri=y-A x saya. Vektor sinyal diperkirakan 0, maka didapat r0=y.

Terdapat parameter yang efektif sebagai support vector i yang disetiap iterasinya diperbarui, di mana i akan menentukan kolom mana dari A yang akan dipertimbangkan, serta kolom mana yang ditetapkan sebagai 0.

Sementara estimasi vektor sinyal diperbarui dengan persamaan sebagai berikut:

Pengejaran pencocokan telah diterapkan pada pengkodean sinyal, gambar dan video, representasi dan pengenalan bentuk, pengkodean objek 3D, serta dalam aplikasi interdisipliner seperti pada pemantauan kesehatan struktural.

Dari sini, menunjukan kinerjanya memang lebih baik bila dibandingkan dengan pengkodean berbasis DCT untuk bitrate rendah, baik dalam efesiensi pengkodean maupun kualitas gambar.

Namun terdapat masalah utama pada metode analisis algoritma OMP ini di mana pencarian pencocokan merupakan komplesitas komputasi encoder. Di mana dalam versi dasar sebuah algoritma, kamus besar memang dibutuhkan pada setiap iterasi.