基于图块重要性采样的类特定泊松去噪
计算机视觉与模式识别
2017-06-12 v1
摘要
本文处理了恢复受泊松噪声退化的图像的问题，其中已知图像属于特定类别。在所提出的方法中，来自感兴趣类别图像的干净图块数据集使用多元高斯分布进行聚类。为了恢复含噪图像，每个含噪图块被分配至其中一个分布，并得到相应的最小均方误差（MMSE）估计。我们提出使用自归一化重要性采样方法（一种 Monte-Carlo 族方法），以同时确定最可能的分布并逼近干净图块的 MMSE 估计。实验结果表明，在低信噪比条件下，我们提出的方法优于其他泊松去噪方法。
引用
@article{arxiv.1706.02867,
title = {Class-specific Poisson denoising by patch-based importance sampling},
author = {Milad Niknejad and Jose M. Bioucas-Dias and Mario A. T. Figueiredo},
journal= {arXiv preprint arXiv:1706.02867},
year = {2017}
}