各向异性非局部均值去噪
统计理论
2012-12-04 v2 信息论
math.IT
统计理论
摘要
近期研究证明，流行的非局部均值（NLM）去噪算法无法最优地对具有尖锐边缘的图像进行去噪。其弱点在于用于设定平滑权重的邻域具有各向同性性质。为此，本文引入了几种理论与实用的各向异性非局部均值（ANLM）算法，并证明它们对于 Horizon 类中以边缘为主的图像是近乎极小极大最优的。在真实世界测试图像上，一种能适应底层图像梯度的 ANLM 算法以显著优势优于 NLM。
引用
@article{arxiv.1112.0311,
title = {Anisotropic Nonlocal Means Denoising},
author = {Arian Maleki and Manjari Narayan and Richard G. Baraniuk},
journal= {arXiv preprint arXiv:1112.0311},
year = {2012}
}
备注
Accepted for publication in Applied and Computational Harmonic Analysis (ACHA)