近年來,隨著機器學習和數據驅動方法的成功應用,研究人員將研究重點轉移至從自然圖像中學習先驗以進行圖像復原的工作?!秷D像塊先驗建模研究:基于高斯混合模型的視角》從高斯混合模型的塊先驗學習模型角度進行了全面深入的研究。針對高斯混合模型塊模型固有的整體模型強制局部性,無法實現圖像更大范圍塊協(xié)同處理的問題,提出一種Wasserstein距離梯度直方圖約束的多尺度高斯混合塊先驗模型,將梯度直方圖全局統(tǒng)計先驗引入到多尺度塊先驗建模;針對全局高斯混合模型限制利用圖像中鄰近塊的相干性,提出一種基于分層貝葉斯的局部高斯混合塊先驗模型,并對模型參數引入先驗知識,還利用了鄰近塊的相干性;針對傳統(tǒng)全局高斯混合模型分量數目固定,以及單一外部先驗建模能力有限的問題,提出一種基于狄利克雷過程混合模型的圖像復原模型,實現模型復雜度動態(tài)調整,利用變分參數對于模型分量可擴展性以及統(tǒng)計量的可累加性,實現圖像內外部塊先驗結合。