结合自适应字典学习的稀疏贝叶斯重构
Sparse Bayesian reconstruction combined with self-adaptive dictionary learning作者机构:西安电子科技大学电子工程学院陕西西安710071 西安电子科技大学通信工程学院陕西西安710071
出 版 物:《西安电子科技大学学报》 (Journal of Xidian University)
年 卷 期:2016年第43卷第4期
页 面:1-4,122页
核心收录:
学科分类:0810[工学-信息与通信工程] 0808[工学-电气工程] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 081002[工学-信号与信息处理] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金资助项目(61271296) 陕西省自然科学基础研究计划资助项目(2016JM6012) 中央高校基本科研业务费专项资金资助项目(JB150218) 西安电子科技大学教育教学改革研究资助项目(B1311) 西安电子科技大学新实验开发与新实验设备研制及实验教学改革资助项目(SY1354)
摘 要:贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.