面向图像复原的分层贝叶斯局部高斯混合模型

摘要：

近年来使用高斯模型作为块先验的贝叶斯方法取得了优秀的图像去噪性能,但是这一方法在去噪之外的逆问题求解方面性能不太稳定.提出一种基于分层贝叶斯的高斯混合模型对图像块建模,对模型参数引入先验知识,利用Gaussian-Wishart分布对均值和协方差矩阵的概率分布建模,使得块估计过程更加稳定.基于邻近块的相干性,利用L2范数度量完成局部窗口中相似块的聚类,局部窗口相似块利用特定均值和协方差的多元高斯概率分布建模,利用累加平方图及快速傅里叶变换的数值优化方法,加快相似性度量的计算时间.使用基于马式距离的高斯分布相似度的聚合权重,结合图像上的空间域高斯相似度,更好地拟合自然图像的统计特性.通过实验验证了提出的模型在图像复原求解中的有效性.

关键词：图像复原、高斯混合模型、分层贝叶斯、马式距离

所属期刊栏目：14

分类号：TP301(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61841702 国家自然科学基金;the Science and Technology Foundation of Henan Province under Grant Nos. 1521002210087, 202102210371 河南省科技攻关计划项目;the Foundation of Henan Provincial Education Department under Grant No. 14A520040 河南省教育厅基金

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：325-335