基于绿色通道先验的图像去噪
图像与视频处理
2024-08-13 v1 计算机视觉与模式识别
摘要
图像去噪是一个旼 appealing 又充满挑战的任务，因为真实世界观测的噪声统计可能随局部图像内容和不同图像通道而变化。具体而言，绿色通道在原始数据中通常具有两倍的抽样率。为了处理噪声方差并利用此类通道级先验信息，我们提出一种简单且有效的基于绿色通道先验的图像去噪（GCP-ID）方法，将 GCP 集成到经典的基于补丁的去噪框架中。简而言之，我们利用绿色通道引导搜索相似补丁，以提高补丁分组质量并鼓励在变换域中的稀疏性。随后，将分组的图像补丁重新格式化为 RGGB 数组，以显式特征化绿色样本的密度。此外，为了增强 GCP-ID 对各种图像内容的适应性，我们将噪声估计问题转化为分类任务，并基于卷积神经网络（CNN）训练一个有效的估计器。在真实世界数据集上的实验表明，所提出的 GCP-ID 方法在图像和视频去噪应用中，无论是原始数据还是 sRGB 空间，都表现出竞争性的性能。我们的代码可在 https://github.com/ZhaomingKong/GCP-ID 查看。
引用
@article{arxiv.2408.05923,
title = {Image Denoising Using Green Channel Prior},
author = {Zhaoming Kong and Fangxi Deng and Xiaowei Yang},
journal= {arXiv preprint arXiv:2408.05923},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2402.08235