利用上下文建模在贝叶斯压缩感知中利用小波域尺度内和尺度间相关性

我们基于尺度内小波系数的上下文建模,提出了一种新颖的贝叶斯压缩感知重建算法,该算法利用了统计量在不同方向上的依赖关系。 我们假设小波系数服从尖峰概率模型,其参数可以根据新型的基于上下文的模型进行估计。 在基于上下文的模型中,将3x3,5x5和7x7相邻块分别分为3类,4类和4类。 通过确定每个类别的显着状态和父系数, 我们估计当前系数的显着性概率。 在上述新的小波系数先验概率模型的基础上,提出了相应的贝叶斯压缩感知重建算法,即马尔可夫链蒙特卡罗方法。 实验结果表明,与仅使用尺度间相关性的树状小波压缩感知(TSW-CS)相比,该算法在0.9的采样率下将峰值信噪比(PSNR)提高了近2dB。 。