基于双正交Haar域假设检验的快速Poisson噪声去除
统计理论
2008-02-25 v3 统计理论
摘要
基于Haar域中假设检验(HTs)的方法被广泛用于去除Poisson计数数据中的噪声。面对大规模数据集或实时应用,Haar去噪器必须使用抽取变换以满足有限内存或计算时间的限制。遗憾的是,对于规则的基础强度,抽取会产生不连续的估计和强烈的“阶梯”伪影。本文中,我们提出将HT框架与抽取的双正交Haar(Bi-Haar)变换相结合,以取代经典的Haar。Bi-Haar滤波器组被归一化,使得在高强度情形或large尺度下Bi-Haar系数()的p值能很好地近似Haar系数()的p值;对于低强度情形和小尺度,我们证明本质上被上界控制。因此,我们可以将基于Haar的HTs应用于Bi-Haar系数以控制预设的假阳性率。这样做我们受益于规则的Bi-Haar滤波器组获得平滑估计,同时始终保持低计算复杂度。我们还建立了一种基于Fisher近似实现HTs的阈值方法。该方法的效率在超光谱源通量估计的例子中得到说明。
引用
@article{arxiv.math/0608631,
title = {Fast Poisson Noise Removal by Biorthogonal Haar Domain Hypothesis Testing},
author = {Bo Zhang and Jalal Fadili and Jean Luc Starck and Seth W. Digel},
journal= {arXiv preprint arXiv:math/0608631},
year = {2008}
}