基于核范数减 Frobenius 范数最小化的多通道彩色图像去噪
计算机视觉与模式识别
2022-09-20 v1 机器学习
图像与视频处理
摘要
彩色图像去噪在各类图像处理与计算机视觉任务中频繁出现。一种传统策略是将 RGB 图像转换至相关性更小的色彩空间，并分别对新空间各通道去噪。然而，该策略无法充分利用通道间的相关信息，难以获得满意结果。为解决此问题，本文在核范数减 Frobenius 范数最小化框架下提出一种新的多通道彩色图像去噪优化模型。具体而言，基于块匹配，将彩色图像分解为重叠的 RGB 块；对每个块，将其相似邻块堆叠构成相应块矩阵；所提模型在该块矩阵上执行以恢复其无噪版本。在恢复过程中，a) 引入权重矩阵以充分利用通道间噪声差异；b) 奇异值自适应收缩而无需额外赋权。借此，所提模型在保持简洁的同时取得良好结果。为求解该模型，基于交替方向乘子法框架构建了准确有效的算法，各更新步的解均可解析表达为闭式。严格理论分析证明所提算法生成的求解序列收敛至各自驻点。在合成与真实噪声数据集上的实验结果表明，所提模型优于当前最先进模型。
引用
@article{arxiv.2209.08094,
title = {Multi-channel Nuclear Norm Minus Frobenius Norm Minimization for Color Image Denoising},
author = {Yiwen Shan and Dong Hu and Zhi Wang and Tao Jia},
journal= {arXiv preprint arXiv:2209.08094},
year = {2022}
}