线性化ADMM与快速非局部去噪用于高效即插即用复原
计算机视觉与模式识别
2019-01-21 v1
摘要
在即插即用图像复原中，正则化通过使用强大的去噪器来执行，例如非局部均值（NLM）或BM3D。这是在交替方向乘子法（ADMM）的框架内完成的，其中正则化步骤被形式化地替换为现成的去噪器。每次即插即用迭代都涉及前向模型的求逆以及随后的去噪步骤。在本文中，我们提出若干改进求逆和去噪步骤效率的思路。首先，我们提议使用线性化ADMM，它通常使我们能够以比标准ADMM更低的代价执行求逆。此外，我们由此可以轻松地将硬约束纳入优化框架。其次，我们为Sreehari等人（IEEE TCI, 2016）最初提出的双重随机NLM开发了一种快速算法，其速度约为暴力计算的80倍。该特定去噪器可表示为一个凸正则化器的邻近映射，因此我们可以保证线性化即插即用ADMM的收敛性。我们展示了我们的方案在超分辨率和单光子成像上的有效性。
引用
@article{arxiv.1901.06110,
title = {Linearized ADMM and Fast Nonlocal Denoising for Efficient Plug-and-Play Restoration},
author = {Unni V. S. and Sanjay Ghosh and Kunal N. Chaudhury},
journal= {arXiv preprint arXiv:1901.06110},
year = {2019}
}