基于卷积高斯混合模型的统计压缩感知
高斯混合模型被广泛应用于统计压缩感知中信号先验概率分布的建模.利用高斯混合模型对图像的概率分布进行建模时,通常需要先对图像分块,再对图像块的概率分布进行建模.本文提出卷积高斯混合模型对整幅图像的概率分布进行建模.通过期望极大化算法求解极大边缘似然估计,实现模型中未知参数的估计.此外,考虑到在整幅图像上计算的复杂度较高,本文在卷积高斯混合模型和压缩测量模型中引入循环卷积,所有的训练和恢复过程都可以利用二维快速傅里叶变换实现快速运算.仿真实验表明,本文所提的MMLE-convGMM算法的恢复性能要优于传统的压缩感知算法的恢复性能.
卷积高斯混合模型、统计压缩感知、期望极大化算法、卷积稀疏编码
68
国家自然科学基金51677094资助的课题
2019-10-12(万方平台首次上网日期,不代表论文的发表时间)
共11页
59-69