非局部欧几里得中值
计算机视觉与模式识别
2015-06-05 v2 数据结构与算法
摘要
在本文中，我们指出，在大噪声水平下，通过将均值替换为欧几里得中值，可以提高非局部均值 (NLM) 的去噪性能。我们将这种新的去噪算法称为非局部欧几里得中值 (NLEM)。NLEM 的核心在于观察到中值比均值对异常值更具鲁棒性。特别是，我们提供了一个简单的几何见解，解释了为什么 NLEM 在边缘附近，特别是在大噪声水平下，表现优于 NLM。NLEM 可以使用迭代重加权最小二乘法高效实现，其计算复杂度与 NLM 相当。我们提供了一些初步结果来研究所提出的算法并将其与 NLM 进行比较。
引用
@article{arxiv.1207.3056,
title = {Non-Local Euclidean Medians},
author = {Kunal N. Chaudhury and Amit Singer},
journal= {arXiv preprint arXiv:1207.3056},
year = {2015}
}
备注
6 figures, 1 table