基于非凸加权$\ell_p$最小化的组稀疏表示图像去噪框架
计算机视觉与模式识别
2017-11-22 v3
摘要
非局部图像表示或组稀疏性在各种底层视觉任务中引起了相当大兴趣，并催生了若干最先进图像去噪技术，如BM3D、LSSC。过去，带有促进稀疏的凸正则化的凸优化通常被视为在噪声中估计稀疏信号的标准方案。然而，包括图像逆问题在内的一些实际问题中，使用凸正则化仍无法获得正确的稀疏解。本文提出一种基于非凸加权最小化的组稀疏表示（GSR）框架用于图像去噪。为使所提方案易处理且鲁棒，采用广义软阈值（GST）算法求解非凸最小化问题。此外，为提高非局部相似块选择的准确性，提出了一种自适应块搜索（APS）方案。实验结果表明，所提方法不仅优于许多最先进去噪方法如BM3D和WNNM，而且具有具竞争力的速度。
引用
@article{arxiv.1704.01429,
title = {Non-Convex Weighted Lp Minimization based Group Sparse Representation Framework for Image Denoising},
author = {Qiong Wang and Xinggan Zhang and Yu Wu and Lan Tang and Zhiyuan Zha},
journal= {arXiv preprint arXiv:1704.01429},
year = {2017}
}