共计 542 个字符，预计需要花费 2 分钟才能阅读完成。
**Nonparametric Bayesian Dictionary Learning for
Analysis of Noisy and Incomplete Images 论文浏览以及代码了解 **
代码基于灰度图和 RGB 图像，根本过程都是一样的。
图像大小：256*256
学习形式：在线学习和 batch learning
字典初始化形式：SVD 和 Rand；
图像块大小：8*8
图像块数目：249*249
如果学习形式是在线学习，则图像块不是全副作为数据应用，
而是迭代减少。
for colj=1:PatchSize
for rowi=1:PatchSize 在这 64 次迭代中，第一次，应用了 1024 个块，接下来，有 14 次，每次是减少（961+31），有 49 次是减少了 961 个块，总数为 249*249 个块。
块数的减少，代表训练样本的减少。每一次训练样本的减少，能够迭代屡次进行训练，学习 DZS，依据吉布斯采样公式，对参数进行采样。
因为块之间有重叠，所以须要对后果进行均匀，在函数 DenoiseOutput_LowMemoryReq 中，对每个像素的叠加应用次数进行统计，每个像素的叠加估计值除以相应的叠加次数就是该像素的平均值，作为最终后果输入。
如果是 batch learning，那么会把所有数据全副输出而后进行屡次迭代训练。
正文完
