利用组稀疏残差与外部非局部自相似性先验的图像去噪
计算机视觉与模式识别
2017-01-04 v1
摘要
非局部图像表示已成功应用于包括去噪、去模糊和去块效应在内的许多图像相关逆问题中。然而,大多数重建方法仅利用了退化观测图像的非局部自相似性(NSS)先验,因此重建潜在清晰图像极具挑战性。在本文中,我们提出了一种利用组稀疏残差与外部 NSS 先验的图像去噪新模型。为提升图像去噪性能,提出了组稀疏残差的概念,从而将图像去噪问题转化为减小组稀疏残差的问题。由于组包含大量自然图像的 NSS 信息,我们通过基于高斯混合模型(GMM)学习的外部 NSS 先验获得了原始图像组稀疏系数的良好估计,并利用含噪图像的组稀疏系数来逼近该估计。实验结果表明,所提出的方法不仅优于许多 state-of-the-art 方法,而且提供了最佳的定性去噪结果,具有更精细的细节和更少的振铃伪影。
引用
@article{arxiv.1701.00723,
title = {Image denoising using group sparsity residual and external nonlocal self-similarity prior},
author = {Zhiyuan Zha and Xinggan Zhang and Qiong Wang and Yechao Bai and Lan Tang},
journal= {arXiv preprint arXiv:1701.00723},
year = {2017}
}
备注
arXiv admin note: text overlap with arXiv:1609.03302