用于非局部均值图像去噪的James-Stein型中心像素权重
计算机视觉与模式识别
2013-02-18 v1
摘要
非局部均值（NLM）及其变体已被证明在许多图像去噪任务中有效且稳健。在本文中，我们研究了NLM中中心像素权重（CPW）的参数选择问题。我们的主要贡献是：1）我们从统计收缩的角度给出了CPW问题的新颖表述；2）我们为NLM引入了James-Stein型CPW；3）我们提出了一种新的自适应CPW，该CPW针对每个图像像素进行局部调整。我们的实验结果表明，与现有的CPW解决方案相比，新提出的CPW在各种噪声水平下更加稳健和有效。特别地，采用James-Stein型CPW的NLM在峰值信噪比方面获得了更高的均值和更小的方差，这意味着它们提高了NLM的稳健性，并使其对参数选择不那么敏感。
引用
@article{arxiv.1211.1656,
title = {James-Stein Type Center Pixel Weights for Non-Local Means Image Denoising},
author = {Yue Wu and Brian Tracey and Joseph P. Noonan},
journal= {arXiv preprint arXiv:1211.1656},
year = {2013}
}