去噪正则化的一种解释及其与反投影保真项的结合应用
图像与视频处理
2021-01-28 v1 计算机视觉与模式识别
摘要
绝大多数图像恢复任务都是不适定问题。因此，基于优化的方法所使用的代价函数由保真项与先验（正则化）项共同构成。近期一系列工作通过去噪正则化（RED）方法施加先验，其利用了现有图像去噪引擎的良好性能。然而，由于先前工作对去噪器要求过强假设，RED 与显式先验项的关系仍未被充分理解。本文做出两点贡献。首先，我们表明 RED 梯度可视为某一先验函数的（次）梯度——但在该点的去噪版本处取值。由于 RED 通常以较小噪声水平应用，该解释表明 RED 与传统梯度具有相似性。这引出我们的第二点贡献：我们提议将 RED 与反投影（BP）保真项结合，而非先前工作所用的常见最小二乘（LS）项。我们表明，BP 相对于 LS 在图像去模糊与超分辨率中的优势（已于传统梯度情形下得到证明）同样延续至 RED 方法。
引用
@article{arxiv.2101.11599,
title = {An Interpretation of Regularization by Denoising and its Application with the Back-Projected Fidelity Term},
author = {Einav Yogev-Ofer and Tom Tirer and Raja Giryes},
journal= {arXiv preprint arXiv:2101.11599},
year = {2021}
}