基于稀疏贝叶斯图像重构的发展现状和方向研究

摘要

随着智能制造技术的发展，高维图像数据的稀疏表示与重构对其传输、存储和分析均具有重要意义。稀疏贝叶斯学习（Sparse Bayesian Leaning，SBL）作为一种稀疏重构方法，凭借其具有的统计概率与贝叶斯理论基础，相较于其他稀疏重构模型更具有推断优势。因此在语音修复、压缩重构、图像处理等领域被广泛应用。基于 SBL 模型的图像重构方法能有效解决目前大规模图像传输、存储、处理过程中存在的信息冗余、效率低等问题。