NLH：一种用于真实世界图像去噪的盲像素级非局部方法
计算机视觉与模式识别
2020-04-22 v6
摘要
非局部自相似（NSS）是自然图像用于图像去噪的一个强大先验。大多数现有去噪方法采用相似块，这是一种块级 NSS 先验。本文向前推进一步，引入像素级 NSS 先验，即在非局部区域内搜索相似像素。其动机在于：在自然图像中找到紧密相似的像素比找到相似块更可行，这可用于提升图像去噪性能。利用所引入的像素级 NSS 先验，我们提出了一种准确的噪声水平估计方法，并进而开发了基于提升 Haar 变换与维纳滤波技术的盲图像去噪方法。在基准数据集上的实验表明，所提方法取得了远优于先前非深度方法的性能，并且在真实世界图像去噪上仍与现有最先进的基于深度学习的方法具有竞争力。代码公开于 https://github.com/njusthyk1972/NLH。
引用
@article{arxiv.1906.06834,
title = {NLH: A Blind Pixel-level Non-local Method for Real-world Image Denoising},
author = {Yingkun Hou and Jun Xu and Mingxia Liu and Guanghai Liu and Li Liu and Fan Zhu and Ling Shao},
journal= {arXiv preprint arXiv:1906.06834},
year = {2020}
}
备注
14 pages, 9 figures, 10 tables, accept by IEEE TIP