基于Beta过程先验的分层稀疏贝叶斯学习在高光谱图像复原中的应用

摘要： 图像复原是提升视觉质量的重要领域，也为图像分析中精确的目标检测或地形分类奠定基础。本文将贝塔过程先验引入分层稀疏贝叶斯学习，用于恢复退化的原始高光谱图像（HSI），包括抑制各类噪声和推断缺失数据。该方法将高光谱图像分解为字典元素、高斯噪声项与稀疏噪声项的加权和，从而有效学习并表征高光谱图像的潜在信息与噪声特性。通过吉布斯采样器求解，可在无需调整任何参数的情况下高效预测原始字典与噪声。我们在两个受高斯噪声、脉冲噪声、条纹及坏像素线污染，或存在大量随机均匀缺失数据的高光谱数据集上，将该方法与现有最优技术进行对比验证。视觉与定量结果表明本方法具有显著优势。