面向图像先验建模的可扩展高斯混合模型

摘要：

针对使用高斯混合模型的图像先验建模中分量数目难以扩展的问题,构建基于狄利克雷过程的可扩展高斯混合模型.通过聚类分量的新增及归并机制,使模型复杂度根据数据规模自适应变化,从而增强先验模型结构的紧密度,以提升其可解释性.此外,对高斯混合模型的推理过程进行优化,给出一种基于批次处理方式的可扩展变分推理算法,求解图像去噪中所有隐变量的变分后验分布,实现先验学习.实验结果表明,该模型在图像去噪任务中较EPLL等传统去噪模型能够取得更高的峰值信噪比,去噪效果更佳,验证了该模型的有效性.

关键词：先验建模、高斯混合模型、狄利克雷过程、图像去噪、批次处理

所属期刊栏目：46

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省科技攻关计划;河南省教育厅科学技术研究重点项目

在线出版日期：2020-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：220-227