基于真实照片的去噪算法基准测试
计算机视觉与模式识别
2017-07-06 v1
摘要
缺乏真实基准真值数据，图像去噪技术传统上在由合成独立同分布高斯噪声污染的图像上评估。我们旨在通过开发一种在真实照片上基准测试去噪技术的方法来免除这种不现实的设置。我们捕获具有不同 ISO 值并适当调节曝光时间的图像对，其中近乎无噪的低 ISO 图像作为参考。为导出基准真值，需要细致的后处理。我们校正空间错位，通过基于新型异方差 Tobit 回归模型的线性强度变换应对曝光参数中的不准确性，并去除残留的低频偏置（例如源于微小的光照变化）。然后我们捕获了一个新的基准数据集，Darmstadt Noise Dataset (DND)，使用具有不同传感器尺寸的消费者相机。一个有趣的发现是，许多近期在合成噪声上表现良好的技术在真实噪声照片上明显被 BM3D 超越。我们的基准描绘了与现实评估场景的偏离，这些场景与科学文献中常用的场景强烈不同。
引用
@article{arxiv.1707.01313,
title = {Benchmarking Denoising Algorithms with Real Photographs},
author = {Tobias Plötz and Stefan Roth},
journal= {arXiv preprint arXiv:1707.01313},
year = {2017}
}
备注
To appear at CVPR17. See our website (www.visinf.tu-darmstadt.de) for a version with high-resolution images