非局部块回归：块空间中的鲁棒图像去噪
计算机视觉与模式识别
2016-11-18 v1
摘要
Chaudhury 等人（Non-Local Euclidean Medians, 2012）近期证明，通过将均值替换为鲁棒的欧几里得中值，非局部均值（NLM）在大噪声水平下的去噪性能可以得到提升。在合成图像和自然图像上的数值实验表明，超过特定噪声水平后，后者表现始终优于 NLM，对于具有锐利边缘的图像尤为显著。欧几里得均值和中值可以纳入一个共同的（块空间）回归框架中，前者考虑残差的 范数，而后者考虑 范数。随之而来的自然问题是，如果我们考虑 () 回归会发生什么？本文对此可能性进行了研究。
引用
@article{arxiv.1211.4264,
title = {Non-Local Patch Regression: Robust Image Denoising in Patch Space},
author = {Kunal N. Chaudhury and Amit Singer},
journal= {arXiv preprint arXiv:1211.4264},
year = {2016}
}
备注
Submitted