用于真实世界噪声图像去噪的外部先验引导内部先验学习
计算机视觉与模式识别
2018-10-16 v2
摘要
大多数现有图像去噪方法从外部数据或噪声图像本身学习图像先验以去除噪声。然而，从外部数据学习的先验可能不适应待去噪图像，而从给定噪声图像学习的先验可能因损坏噪声的干扰而不准确。同时，真实世界噪声图像中的噪声非常复杂，难以用如高斯分布等简单分布描述，使得真实世界噪声图像去噪成为一个极具挑战性的问题。我们提出利用外部数据和给定噪声图像中的信息，并开发一种用于真实世界噪声图像去噪的外部先验引导内部先验学习方法。我们首先从一组独立的干净自然图像学习外部先验。在已学外部先验的辅助下，我们从给定噪声图像学习内部先验以精炼先验模型。外部与内部先验被公式化为一组正交字典以高效重建期望图像。在多个真实世界噪声图像数据集上进行了广泛实验。所提方法展现出极具竞争力的去噪性能，优于最先进的（state-of-the-art）去噪方法，包括那些专为真实世界噪声图像设计的方法。
引用
@article{arxiv.1705.04505,
title = {External Prior Guided Internal Prior Learning for Real-World Noisy Image Denoising},
author = {Jun Xu and Lei Zhang and David Zhang},
journal= {arXiv preprint arXiv:1705.04505},
year = {2018}
}
备注
14 pages, 13figures, IEEE Trans. Image Processing 27(6): 2996-3010 (2018)