图像块先验建模研究：基于高斯混合模型的视角

　　近年来，随着机器学习和数据驱动方法的成功应用，研究人员将研究重点转移至从自然图像中学习先验以进行图像复原的工作。《图像块先验建模研究：基于高斯混合模型的视角》从高斯混合模型的块先验学习模型角度进行了全面深入的研究。针对高斯混合模型块模型固有的整体模型强制局部性，无法实现图像更大范围块协同处理的问题，提出一种Wasserstein距离梯度直方图约束的多尺度高斯混合块先验模型，将梯度直方图全局统计先验引入到多尺度块先验建模；针对全局高斯混合模型限制利用图像中邻近块的相干性，提出一种基于分层贝叶斯的局部高斯混合块先验模型，并对模型参数引入先验知识，还利用了邻近块的相干性；针对传统全局高斯混合模型分量数目固定，以及单一外部先验建模能力有限的问题，提出一种基于狄利克雷过程混合模型的图像复原模型，实现模型复杂度动态调整，利用变分参数对于模型分量可扩展性以及统计量的可累加性，实现图像内外部块先验结合。

　　张墨华，1979年10月生，博士，河南财经政法大学副教授，毕业于战略支援部队信息工程大学软件工程专业，主要研究方向为机器学习、图像处理。

第1章 绪论
1．1 研究背景与意义
1．2 图像复原技术概述
1．3 图像复原学习模型研究现状
1．4 本书的主要内容和章节安排
第2章 块对数似然期望模型图像去噪及改进方法
2．1 引言
2．2 高斯模型和高斯混合模型先验
2．3 块对数似然期望模型
2．4 块对数似然期望模型实现
2．5 参数对算法去噪性能的影响
2．6 彩色图像去噪
2．7 EPLL与其他去噪算法的比较
2．8 EPLL运行时间分析及速度提升方案
2．9 本章小结
第3章 Wasserstein距离梯度直方图约束的多尺度块先验模型
3．1 引言
3．2 面向通用图像复原的块对数似然期望模型
3．3 多尺度块模型
3．4 梯度直方图先验及Wasserstein距离
3．5 梯度直方图先验约束的多尺度块模型
3．6 尺度不变性和参考直方图估计
3．7 实验结果及分析
3．8 本章小结
第4章 局部高斯混合块先验模型
4．1 引言
4．2 全局高斯混合块先验模型
4．3 分层贝叶斯的局部高斯混合块先验模型
4．4 实验结果及分析
4．5 本章小结
……
第5章 基于狄利克雷过程混合模型的块先验模型
第6章 总结与展望
符号定义
英文缩略语表
参考文献