论文部分内容阅读
电力巡检机器人工作环境较为复杂多变,导致其获取的光学图像中不可避免地存在噪声、像素缺失等问题,影响后续对图像中信息的提取和识别。针对该问题,将贝叶斯统计学习理论引入图像处理过程。首先在传统主成分分析(principal component analysis, PCA)的基础上提出1种基于Bernoulli-Beta共轭先验的噪声抑制模型,能够自动确定PCA中主分量的个数,同时自适应地实现图像中的噪声抑制;然后针对存在像素缺失情况下的图像重构问题,提出1种基于Gaussian-Wishart共轭先验的