基于VBEM的一致受限字典织物图像重构模型

来源：现代纺织技术杂志2024年第9期北京时间：

作者：陈影柔, 吕文涛, 余润泽, 郭庆, 徐羽贞

单位：1. 浙江理工大学浙江省智能织物与柔性互联重点实验室，杭州 310018；2. 中国移动通信集团设计院有限公司浙江分公司，杭州310012；3. 浙江省技术创新服务中心，杭州 310007

摘要：针对传统稀疏贝叶斯算法中字典列之间较强的相互一致性导致的重构性能下降问题，提出了一种基于变分贝叶斯期望最大化(Variational Bayesian expectation maximization，VBEM)的一致受限字典织物图像重构模型(CCD-VBEM)。考虑织物图像的真实应用场景，采用多层先验的稀疏贝叶斯学习(SBL)模型进行建模，并通过VBEM方法求解后验分布近似值，从而构建SBL-VBEM模型。但SBL-VBEM模型的重构结果仍然受字典矩阵的相关性影响，因此通过减少字典列之间的相互一致性来改善重构结果。首先，通过S形函数的拓扑结构获得收缩因子；然后，在获取一致受限字典的每次迭代中，利用收缩因子缩小字典矩阵中最大非对角项的邻域间隔；最后，将获取的一致受限字典作为SBL-VBEM模型的输入，获得更有效的重构织物图像。对CCD-VBEM模型在阿里云天池数据集上进行验证，验证结果表明，在不同采样率（0.20~0.40）下，CCD-VBEM模型对织物图像的重构均获得最优性能。

关键词：织物图像,重构,一致受限字典,变分贝叶斯期望最大化,收缩因子