面向非平稳噪声的多核滤波：基于图像上下文的双边滤波扩展
计算机视觉与模式识别
2019-12-24 v4
摘要
双边滤波(BF)是最经典的去噪滤波器之一，然而，手动初始化的滤波核阻碍了其跨不同特性图像的适应性。为处理图像变化（即非平稳噪声），本文提出多核滤波器(MKF)，其将滤波核自动适配于特定图像特性。MKF的设计受人类视觉自适应机制启发，充分利用视觉上下文中的信息。更具体地，为模拟视觉上下文及其自适应功能，我们构建图像上下文，并基于其模拟上下文对滤波核的影响。我们首先设计分层聚类算法生成从大到小的相干图像块层次，组织为聚类树，从而获得多尺度图像表示。叶聚类及相应前驱聚类用于生成多个范围核之一，能够适应图像变化。起初，我们设计分层聚类框架生成从大到小的相干图像块层次，组织为聚类树，从而获得多尺度图像表示，即图像上下文。接下来，叶聚类用于生成多个核之一，两个相应前驱聚类用于微调所采用的核。最终，BF中单一空间不变核变为多个空间变化核。我们在两个公开数据集BSD300和BrainWeb上评估MKF，分别加入整体变化噪声和空间变化噪声。大量实验表明，MKF在平均绝对误差和结构相似性方面均优于最先进滤波器。
引用
@article{arxiv.1908.06307,
title = {Multi-Kernel Filtering for Nonstationary Noise: An Extension of Bilateral Filtering Using Image Context},
author = {Feihong Liu and Jun Feng and Pew-Thian Yap and Dinggang Shen},
journal= {arXiv preprint arXiv:1908.06307},
year = {2019}
}