从群稀疏编码到秩最小化：一种用于低层图像复原的新型去噪模型
图像与视频处理
2020-05-26 v3 机器学习
信号处理
摘要
近年来，低秩矩阵恢复理论已成为各种图像处理问题的重要进展。同时，群稀疏编码（GSC）理论在图像复原（IR）问题中取得了巨大成功，其中每个群具有低秩性质。本文从 GSC 的视角出发，提出了一种基于低秩最小化的新型去噪模型用于 IR 任务，并揭示了我们的去噪模型与秩最小化问题之间的重要联系。为克服凸核范数最小化（NNM）用于秩近似所带来的偏差问题，我们采用了一种更广义且灵活的秩松弛函数，即加权非凸松弛。相应地，结合流行的 L_(1/2) 与 L_(2/3) 阈值算子，提出了一种高效的迭代重加权算法来处理所得最小化问题。最后，通过交替方向乘子法（ADMM）策略，将我们所提出的去噪模型应用于 IR 问题。在图像压缩感知（CS）、修复、去模糊与脉冲噪声去除上的典型 IR 实验表明，我们的方法可比许多相关的 SOTA 方法取得显著更高的 PSNR/FSIM 值。
引用
@article{arxiv.1907.04699,
title = {From Group Sparse Coding to Rank Minimization: A Novel Denoising Model for Low-level Image Restoration},
author = {Yunyi Li and Guan Gui and Xiefeng Cheng},
journal= {arXiv preprint arXiv:1907.04699},
year = {2020}
}
备注
Accepted by Signal Processing