一种基于块稀疏贝叶斯学习的压缩图像融合算法

针对自然信号、图像中的丰富时序结构会影响基于多观测向量的压缩图像融合算法性能,基于块稀疏贝叶斯学习,构造了一种新的压缩图像融合算法.该算法采用概率性方法,利用正定矩阵模型化数据间的时序结构对图像中的时序结构进行建模,并将其统一在多观测向量模型中,进而通过贝叶斯规则和对超参量的估计,获取原始图像数据的最大后验估计.为验证该算法的有效性,对其进行了图像融合实验.仿真实验结果表明,与单观测向量模型下的压缩图像融合算法相比,所提出算法能有效降低所需的采样数量,且对多类图像都表现出更优的融合效果.