一种基于马尔可夫稳健稀疏贝叶斯学习的图像去噪方法

本发明提出了一种基于马尔可夫稳健稀疏贝叶斯学习的图像去噪方法，在不增加计算复杂度的情况下利用前一个样本的状态信息修正当前样本的状态概率，提升了RSBL算法的稳健性，并且能够有效去除图像的椒盐噪声。该图像去噪方法的过程是：将图像划分为大小一致的像素块，针对每个像素块在像素所处位置与像素强度之间建立回归模型并将该回归问题转化为稀疏重构问题，初始化本发明涉及的参数后，输入感知矩阵和观测向量，对参数和稀疏向量的后验分布进行迭代更新，最终将稀疏向量近似后验期望作为回归模型的权重向量，再使用回归模型预测像素块中心位置的强度，对所有像素块进行预测操作后得到去噪后的图像。