非局部均值的分块 SURE 收缩
计算机视觉与模式识别
2015-05-05 v1
摘要
本文研究了非局部均值 (NLM) 图像去噪中的收缩问题。具体而言，我们推导了使 Stein 无偏风险估计量 (SURE) 最小化的 NLM 最优分块收缩的闭式解。我们还提出了一种具有恒定复杂度的算法，以实现快速分块收缩。仿真结果表明，所提出的分块收缩方法提高了 NLM 在获得更高峰值信噪比 (PSNR) 和结构相似性指数 (SSIM) 方面的性能，并使 NLM 对参数变化更具鲁棒性。类似的思想可适用于其他基于图像块的去噪技术。
引用
@article{arxiv.1305.4298,
title = {Blockwise SURE Shrinkage for Non-Local Means},
author = {Yue Wu and Brian Tracey and Premkumar Natarajan and Joseph P. Noonan},
journal= {arXiv preprint arXiv:1305.4298},
year = {2015}
}