具有聚类结构相似性的非参数贝叶斯字典学习算法

• 作者: 刘歌 张洋 田文飚 芮国胜 董道广
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 变分贝叶斯 Markov随机场 字典学习 去噪 修复
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 论文
• 页码范围: 2765-2772
• 页数: 8页
• 分类号: TN911.73|TP301.6
• 语种: 中文
• DOI: 10.11999/JEIT190496

摘要

利用图像结构信息是字典学习的难点,针对传统非参数贝叶斯算法对图像结构信息利用不充分,以及算法运行效率低下的问题,该文提出一种结构相似性聚类beta过程因子分析(SSC-BPFA)字典学习算法.该算法通过Markov随机场和分层Dirichlet过程实现对图像局部结构相似性和全局聚类差异性的兼顾,利用变分贝叶斯推断完成对概率模型的高效学习,在确保算法收敛性的同时具有聚类的自适应性.实验表明,相比目前非参数贝叶斯字典学习方面的主流算法,该文算法在图像去噪和插值修复应用中具有更高的表示精度、结构相似性测度和运行效率.