图像块线性组合在单图像去噪中出奇有效
计算机视觉与模式识别
2024-08-26 v2
摘要
在过去十年中，深度神经网络通过学习由噪声/干净图像对组成的数据集，在图像去噪方面取得了显著的精度提升。然而，该策略极度依赖训练数据质量，这是一个公认的弱点。为缓解外部学习图像先验的需求，单图像（亦称自监督或零样本）方法仅基于输入噪声图像的分析来执行去噪，无需外部字典或训练数据集。本工作研究了在此约束下图像块线性组合用于去噪的有效性。尽管概念上非常简单，我们表明图像块的线性组合足以达到最先进性能。所提出的参数化方法依赖通过多张引导图像进行二次风险近似，以指导组合权重的估计。在人工添加高斯噪声的图像以及真实世界噪声图像上的实验表明，我们的方法与最佳单图像去噪器相当，优于近期基于神经网络的技术，同时速度更快且完全可解释。
引用
@article{arxiv.2212.00422,
title = {Linear Combinations of Patches are Unreasonably Effective for Single-Image Denoising},
author = {Sébastien Herbreteau and Charles Kervrann},
journal= {arXiv preprint arXiv:2212.00422},
year = {2024}
}