图像分块的贝叶斯压缩感知算法研究.pdfVIP

第34卷 第5期 西 安 科 技 大 学 学 报 Vo1．34 No．5 2014年09月 JOURNALOFXI’AN UNIVERSnY OFSCIENCEAN DTECHN0L0GY Sep．2014 DOI：10．13800／j．enki．xakjdxxb．2014．0521文章编号：1672—9315(2014)05—0625～06 图像分块的贝叶斯压缩感知算法研究 马孟新，吴延海，张 昊，张芳妮 (西安科技大学 通信与信息工程学院，陕西 西安710054) 摘 要：为增加信号重构的可信度和减少重构过程的人为干预 ，采用 贝叶斯压缩感知的方法，将 待重构信号赋予先验分布，不仅重构出信号参数，并能同时获得信号参数的置信区间，以此实时 调整重构模型使信号恢复达到最佳。基于拉普拉斯分级先验模型的贝叶斯压缩感知算法，对图 像进行合理分块，用不同比率对分块图像压缩，并在重构过程进行分级处理，进一步减少运算时 间，最终使用相关向量机 (RVM)实现了稀疏信号的最大后验概率估计。实验结果表明，通过和传 统算法相 比较，上述算法使得重构图像质量得到明显提高，并且相比于全局贝叶斯压缩感知算法 具有更好的实时性 。 关键词：贝叶斯估计；分块压缩感知；分级先验模型；拉普拉斯先验；相关向量机 中图分类号：TP301 文献标志码 ：A Compressivesensingofblock imagesbasedonBayesianestimation MA Meng—xin，WU Yan—hai，ZHANG Hao，ZHANG Fang—ni (CollegeofCommunicationandInformationEngineering， ’anUniversityofScienceand Technology，Xi’Ⅱn710054，China) Abstract：BayesianCompressiveSensing(BCS)canreconstructthesignalbyimprovingtheperform- anceofcertaintyandreducinghuman intervention．Itprovidesposteriordistribution oftheparameter ratherthanpointestimate，SOwecangettheuncertaintyoftheestimationtooptimizethedatareconsturc- tionprocessadaptively．Inthispaper，wepresenthierarchicalform ofLaplaceprior，andaimingatimpro— ringtheefficiencyofreconstruction，wesegmentimageintoblocks，employvarioussampleratestocom— pressdifferentkindsofblockandutilizerelevancevectormachine(RVM)tosprasesignalintherecon— sturctionprocess．Atlast，weprovideexperimentalresultofimage，andcomparewiththestate-of-the—art CSalgorithmsandBayesianCS，itdemonstratingthesuperioreffectivenessandreal-timeperformanceof theproposedapproach． Keywords：Bayesianestimation；blockcompressivesensing；hierarchicalpriormodel；laplaceprior；rele。 vanCevectormachine 。引言 兰 害喜害 主嚣美 压缩感知已经成为近些年来信号处理领域中 量数据浪费。它突破 了