基于局部选定类别自适应模型的图像复原
计算机视觉与模式识别
2016-08-03 v2
摘要
针对成像逆问题（即去模糊与重建）的最先进算法通常是迭代的，其步骤之一涉及去噪操作。在此背景下使用最先进的去噪方法并非易事，也是当前工作的焦点。最近，我们提出在所谓的即插即用（plug-and-play）方案中使用类别自适应去噪器（基于块并使用高斯混合模型），其中将最先进的去噪器插入迭代算法，当应用于已知类别的图像（例如人脸、文本、脑 MRI）时，其结果优于最佳通用算法。在本文中，我们扩展了该方法来处理以下情形：被处理图像来自一组可能类别中的某一个，或者更重要的是，包含不同类别的区域。更具体地，我们提出一种方法，从一组类别自适应的高斯混合块先验（先前由那些类别的干净图像估计得到）中局部地选择其中一个。我们的方法可视为同时执行分割与复原，从而有助于弥合图像复原/重建与分析之间的鸿沟。
引用
@article{arxiv.1605.07003,
title = {Image Restoration with Locally Selected Class-Adapted Models},
author = {Afonso M. Teodoro and José M. Bioucas-Dias and Mário A. T. Figueiredo},
journal= {arXiv preprint arXiv:1605.07003},
year = {2016}
}