针对线性高斯状态空间模型中的噪声统计特性时变时, 变分贝叶斯自适应卡尔曼滤波效果会受影响的问题, 提出了基于强跟踪原理的改进算法。该算法选择测量噪声模型为逆Wishart分布, 将系统状态与时变的测量噪声协方差作为待估参数, 利用变分贝叶斯方法对二者迭代递推估计。测量噪声协方差的最优估计结果再作为时变参数引入到基于强跟踪原理的次优渐消因子中, 以提高其对状态预测协方差的修正精度。仿真结果表明, 改进算法在噪声时变的线性高斯系统中能自适应地跟踪测量噪声协方差, 有效克服过程噪声协方差时变的影响, 估计结果的收敛速度和精度有很大改善。

平面复眼成像系统利用多个子孔径对场景进行成像, 由于子孔径大小和图像传感器空间采样率的限制, 各子孔径图像质量较差。如何融合多个子孔径图像来获得高分辨率图像是亟需解决的问题。多图像超分辨理论利用多幅具有互补信息的图像来重构高空间分辨率图像, 然而现有理论通常采用过于简化的运动模型, 这种简化的运动模型对平面复眼成像并不完全适用。若直接把现有多图像超分辨理论用于平面复眼分辨率增强, 不准确的相对运动估计将降低图像分辨率增强性能。针对这些问题, 本文在变分贝叶斯框架下改进了现有多图像超分辨理论中的运动模型, 并把导出的联合估计算法用于平面复眼分辨率增强。仿真数据实验和真实复眼数据实验验证了推荐方法的正确性和有效性。

多帧图像超分辨理论是通过融合多帧低分辨率图像的信息来重构高空间分辨率图像。准确估计低分辨率图像的模糊核是进行有效信息融合的先决条件。传统超分辨方法通常假设模糊核已知且采用固定的高斯滤波模糊核, 并且模型参数需要费时的手动调整。本文在变分贝叶斯框架下获得相应的超分辨算法, 该算法对高分辨率图像、模糊核和模型参数同时进行最优估计。对比实验表明, 模糊核自适应估计的盲超分辨方法总体性能优于现有的变分贝叶斯框架下的图像超分辨方法, 特别是在高信噪比场景, 推荐方法优势更加明显。

针对低分辨率遥感影像空间分辨率提升问题,提出一种基于在线变分贝叶斯期望最大化耦合字典学习的单幅遥感影像超分辨率重建算法。该方法首先建立字典原子及各参数的概率分布模型,将其划分为局部变量及全局变量,并使用固定其他参数来更新当前参数的Gibbs抽样方法对各变量赋予初始值,然后采用随机优化方法对两类变量进行期望最大化(EM)迭代优化,通过最小化Kullback-Leibler(KL)距离来获取字典原子的后验分布,并对字典大小进行非参数推导。最后在重建阶段采用双边滤波将待重建影像分为平滑部分和纹理部分,对平滑部分采用双三次插值重建,而对纹理部分进行稀疏重建。对比双线性、双三次插值及基于稀疏表示的超分辨率重建方法,该算法在平均峰值信噪比方面分别提高了3.85,2.11,0.20 dB,在平均相对整体维数综合误差(ERGAS)方面分别降低了0.64,0.28,0.04 dB。实验结果表明该算法因加入了更多的样本和参数先验信息,可以使重建影像提供更多高频细节信息,具有一定的普适性及较强的噪声稳健性,且重构速度较快。

针对点集匹配中异常值的干扰问题, 提出了一种基于贝叶斯学生t分布混合模型(SMM)的稳健仿射点集匹配方法。在贝叶斯框架下, 该算法将点集匹配问题模型化为利用SMM进行概率密度估计的问题。通过引入模型参数的近似变分后验分布, 目标函数转化为最大化完全数据对数似然的变分下界, 利用变分贝叶斯期望最大化(VBEM)算法迭代估计模型参数的变分后验分布。对于学生t分布的自由度参数, 通过最大化完全数据的对数似然进行迭代更新, 并利用斯特林公式近似计算。通过模拟点集和光学遥感图像的配准实验, 验证了该方法的有效性。

基于距离分辨的激光反射层析成像是一种兼顾远距离和高分辨率成像特点的新型激光成像系统。激光发射脉冲宽度大于采样周期时，接收回波被视作反射率分布与发射脉冲的卷积。在重构目标反射率分布轮廓时成像分辨率降低。运用变分贝叶斯方法对1维探测回波信号进行非盲解卷积处理，对探测回波进行脉冲压缩，有效解决了由卷积效应带来的图像降质。设计了激光反射层析实验，并对实测数据进行了处理。重构图像表明此方法有效提高了系统成像分辨率。

热红外遥感能够准确、快速地检测出火山灰云信息。针对热红外遥感数据和火山灰云检测特点, 提出了基于变分贝叶斯 ICA的火山灰云检测算法, 通过引入贝叶斯网络的条件独立性准则和近似变分算法, 将源信号后验概率分布的计算转化为更容易处理的负变自由能, 去逼近真实后验概率分布的最佳近似值。实验表明该方法取得了 85.25%的光谱匹配度, 检测精度较高。