从秩估计到秩近似:用于图像复原的秩残差约束
计算机视觉与模式识别
2020-02-05 v9
摘要
本文提出一种求解秩最小化问题的新方法,称为秩残差约束(RRC)模型。不同于现有的基于低秩的方法(如著名的核范数最小化(NNM)与加权核范数最小化(WNNM)从受损观测中直接估计底层低秩矩阵),我们通过最小化秩残差逐步逼近底层低秩矩阵。通过将图像非局部自相似(NSS)先验与所提 RRC 模型相结合,我们将其应用于图像复原任务,包括图像去噪与图像压缩伪影去除。为此,我们首先利用图像 NSS 先验获得原始图像组的良好参考,然后最小化该参考与退化图像之间图像组的秩残差,以得到对期望图像的更好估计。如此,参考图像与估计图像在每次迭代中被逐步且联合更新。基于组稀疏表示模型,我们进一步对所提 RRC 模型的可行性给出理论分析。实验结果表明,所提 RRC 模型在客观与感知质量上均优于许多最先进方案。
引用
@article{arxiv.1807.02504,
title = {From Rank Estimation to Rank Approximation: Rank Residual Constraint for Image Restoration},
author = {Zhiyuan Zha and Xin Yuan and Bihan Wen and Jiantao Zhou and Jiachao Zhang and Ce Zhu},
journal= {arXiv preprint arXiv:1807.02504},
year = {2020}
}