基于全局与局部循环表示的图像去噪
计算机视觉与模式识别
2025-12-30 v1
摘要
imaging 设备的不断涌现以及每日产生的海量图像数据，对高效、有效的图像去噪提出日益增长的需求。本文在循环表示下建立了主分量分析（PCA）与 Haar 变换之间的理论联系，并提出一种计算简单高效的去噪算法。该方法称为 Haar-tSVD，利用统一的张量奇异值分解（t-SVD）投影结合 Haar 变换，高效捕获全局与局部图像块的相关性。Haar-tSVD 以一步式、可并行化的即插即用去噪器形式存在，无需学习局部基底，实现了去噪速度与性能之间的平衡。此外，本文引入自适应噪声估计方案，依据循环结构的特征值分析提高鲁棒性。为进一步增强在严重噪声条件下的性能，我们将深度神经网络与基于 Haar-PCA 关系的 Haar-tSVD 集成。在Various去噪数据集上的实验结果表明，所提方法在去除噪声方面具有效率和效果。我们的代码已公开于 https://github.com/ZhaomingKong/Haar-tSVD
引用
@article{arxiv.2512.23569,
title = {Image Denoising Using Global and Local Circulant Representation},
author = {Zhaoming Kong and Xiaowei Yang and Jiahuan Zhang},
journal= {arXiv preprint arXiv:2512.23569},
year = {2025}
}