基于非参数层次贝叶斯模型的自适应字典稀疏表示方法及应用

项目名称： 基于非参数层次贝叶斯模型的自适应字典稀疏表示方法及应用

项目编号： No.61172179

项目类型： 面上项目

立项/批准年度： 2012

项目学科： 无线电电子学、电信技术

项目作者： 丁兴号

作者单位： 厦门大学

项目金额： 60万元

中文摘要： 稀疏表示方法(SR）是压缩感知与图像处理等领域的核心技术。相比小波等预定义字典SR，通过学习获得的自适应字典SR(ASR)可更有效表示图像。然而基于优化的ASR存在难以确定字典大小和噪声方差等不足，而非参数层次贝叶斯ASR(BASR)不但可自适应确定字典大小、噪声方差等，还可直接求得L0范数下的全局解。针对现有BASR假设字典中的原子、表示系数均相互独立，噪声为高斯分布等与实际情况不符，本项目具体研究内容为：1）研究基于非独立Beta过程的图像时空相关与图像块相似等先验信息的表示方法；2）利用马尔科夫随机场等描述稀疏表示系数间的关联性，研究基于结构稀疏性的BASR；3）利用高斯混合模型提出分类BASR，研究降低反问题求解不适定性的方法；4）引入t分布或新的稀疏分量描述非高斯噪声，研究鲁棒BASR。通过上述研究，将贝叶斯方法与图像自身特点有机结合，以更稀疏表示图像，提高BASR图像建模性能。

中文关键词： 稀疏表示；压缩感知；字典学习；非参数方法；层次贝叶斯

英文摘要：

英文关键词： Sparse representation；Compressed Sensing；Dictionary Learning；nonparametric method；Hierarchical Bayesian