基于合成的全变差贝叶斯学习
信号处理
2019-05-06 v1
摘要
本文提出了一种用于信号与图像处理中逆问题的稀疏贝叶斯学习算法,该算法采用全变差(TV)稀疏先验。由于所使用的先验以及先验参数直接从数据中估计的事实,稀疏贝叶斯学习在稀疏信号恢复中通常比典型的最大后验贝叶斯估计产生更准确的结果。它还提供了完整的后验分布。然而,稀疏贝叶斯学习仅适用于具有直接稀疏先验的问题或通过合成方式形成的问题。本文展示了如何将具有 TV 稀疏先验的问题表述为合成方法。随后,我们开发了一种将这种基于合成的 TV 与稀疏贝叶斯学习算法相结合的方法,并提供了数值示例以展示如何有效应用我们的新技术。
引用
@article{arxiv.1905.01199,
title = {Total Variation Bayesian Learning via Synthesis},
author = {Victor Churchill and Anne Gelb},
journal= {arXiv preprint arXiv:1905.01199},
year = {2019}
}