小波域图像分离
数据分析、统计与概率
2009-11-07 v2
摘要
在本文中，我们考虑了利用图像在小波域中的稀疏表示进行盲信号和图像分离的问题。我们在贝叶斯估计框架中考虑该问题，利用真实世界图像的小波系数分布可以自然地由指数幂概率密度函数建模这一事实。已在盲源分离中成功使用的贝叶斯方法也提供了包含我们可能拥有的关于混合矩阵元素以及超参数（噪声和源的先验分布参数）的任何先验信息的可能性。我们考虑两种情况：第一种是小波系数被假定为独立同分布的情况，第二种是我们通过一阶马尔可夫链对两个相邻尺度系数之间的相关性进行建模的情况。本文仅报告第一种情况，第二种情况的结果将在不久的将来报告。估计计算通过蒙特卡洛马尔可夫链（MCMC）程序完成。一些模拟显示了所提出方法的性能。关键词：盲源分离，小波，贝叶斯估计，MCMC Hasting-Metropolis 算法。
引用
@article{arxiv.physics/0211052,
title = {Wavelet Domain Image Separation},
author = {Ali Mohammad-Djafari and Mahieddine Ichir},
journal= {arXiv preprint arXiv:physics/0211052},
year = {2009}
}
备注
Presented at MaxEnt2002, the 22nd International Workshop on Bayesian and Maximum Entropy methods (Aug. 3-9, 2002, Moscow, Idaho, USA). To appear in Proceedings of American Institute of Physics