基于有约束Langevincs采样的先验学习方法研究.pdfVIP

目录

第1章绪论1

1.1研究背景与意义1

1.2国内外研究现状1

1.3本文的主要内容及创新点3

第2章研究基础5

2.1马尔可夫链5

2.2马尔科夫蒙特卡罗采样方法7

第3章有约的LangevinDynamics采样方法10

3.1引言10

3.2LangevinDynamics采样方法10

3.3有约束LangevinDynamics采样12

3.4基于CLDS的后验分布采样方法13

3.5本章小结14

第4章先验自适应学习的图像增强15

4.1引言15

4.2先验已知时图像增强15

4.3先验自适应学习的图像增强16

4.4传统的基于滤波器的图像去噪方法17

4.5图像降噪实验19

4.6本章小结22

结论23

参考文献24

摘要

摘要

在实际应用中，先验学习已经变得越来越重要，比如在图形降噪领域中，可以

通过从含噪图像中学得先验知识和干净图像，从而达到图像降噪目的。一般的先

验分布的刻画方法主要是假定某个模型为先验分布，但直接给定先验分布不能有

效地表达先验信息的复杂性。然而随机采样法能够充分提取模型的相关信息，从

而用来进行先验学习，所以随机采样法成为一种先验学习的有效方法。

在现代信号处理与机器学习中，随机采样方法占据越来越重要的位置，其不但

能够实现先对复杂系统的模拟，系统未知参数及超参数的估计，而且还能够利用

其来学习数据的未知先验分布。目前采样方法大多都是基于光滑无约束的目标分

布进行采样，比如LangevinDynamics采样，他是MCMC采样的一种新趋势，在

形式上将梯度上升算法与随机扰动项结合，使其保持在分布的高似然处采样，且

随机扰动项保证其不会坍塌至局部最大值。但是在现实应用中的数据往往都属于

特定的可行集，比如声音数据、图像数据等，如果使用传统LangevinDynamics采

样方法，无法使采集的样本满足可行集的约束，因而本文提出一种引入投影约束

的LangevinDynamics采样方法，通过在LangevinDynamics采样的基础上，引

入正交投影算子，将所采集的样本投影到可行集内，使其满足分布需求。

最后将此方法应用于含噪图像的先验知识学习上，使用交替的策略，通过提

出的采样方法，从后验分布中采集样本，用采集的样本估计后验分布，并用更新的

后验分布对干净图像进行极大后验估计，最后从含噪图像中学得先验知识和干净

图像，即实现图像降噪目的。模拟实验表明所提方法是有效的。

关键词先验学习；LangevinDynamics采样；图像降噪；投影算子

–I–

Abstract

Abstract

Inpracticalapplications,priorlearninghasbecomemoreandmoreimportant.

Thegeneralmethodofportrayingpriordistributionsmainlyassumesthatamodel

isaprioridistributed,butadirectlygivenpriordistributioncannotefectively

expressthecomplexityofpriorinformation.However,therandomsamplingmethod

canfullyextracttherelevantinformationofthemodel,whichcanbeusedfora

priorilearning,sotherandomsamplingmethodbecomesan