侯興松　孫錦強(qiáng)

摘要：針對(duì)目前壓縮感知圖像重建算法沒有充分利用圖像小波系數(shù)尺度內(nèi)相關(guān)性的缺點(diǎn)，提出一種上下文建模的Bayesian壓縮感知重建（CBCS）算法。該算法假定圖像的小波系數(shù)服從參數(shù)未知的spike—and—slab概率模型，先通過一種新的上下文建模方法得到待估計(jì)小波系數(shù)鄰域內(nèi)的上下文矢量，然后根據(jù)待估計(jì)系數(shù)與上下文矢量的相關(guān)性及其父親系數(shù)的狀態(tài)，推測(cè)待估計(jì)系數(shù)為顯著系數(shù)的概率，最后根據(jù)待估計(jì)系數(shù)的概率，采用馬爾科夫鏈一蒙特卡洛采樣的Bayesian推理從觀測(cè)向量中恢復(fù)出圖像的小波系數(shù)，進(jìn)而得到重建圖像。實(shí)驗(yàn)結(jié)果表明，CBCS算法可以自適應(yīng)于圖像內(nèi)容的變化，與僅利用尺度間相關(guān)性的小波樹結(jié)構(gòu)的壓縮感知重建算法相比，在O.9的采樣率下，重構(gòu)性能最大可提高近2 dB。