基于分组复域稀疏的复值图像去噪
计算机视觉与模式识别
2017-11-02 v1
摘要
本文研究从复指数含噪观测中进行相位成像与波前重建的问题。由于指数是相位的 周期函数，这是一个高度非线性的问题。相位与幅度的重建十分困难。即使在观测中叠加高斯噪声，相位与幅度中噪声分量的分布也是信号依赖且非高斯的。实际场景中相位与幅度先验未知的相关性带来了额外的困难。本文提出一类基于复域分组稀疏的非迭代与迭代复域滤波器。该稀疏性基于在块匹配三维滤波（BM3D）和用于谱设计、分析与滤波的三维/四维高阶奇异值分解（HOSVD）中实现的技术。所引入的算法是我们先前论文中 CD-BM3D 算法所用思想的推广。算法以 MATLAB 工具箱形式实现。仿真测试证明了算法的有效性。
引用
@article{arxiv.1711.00362,
title = {Complex-valued image denosing based on group-wise complex-domain sparsity},
author = {Vladimir Katkovnik and Mykola Ponomarenko and Karen Egiazarian},
journal= {arXiv preprint arXiv:1711.00362},
year = {2017}
}
备注
Submitted to Signal Processing