PG-DPIR：用于高计数泊松-高斯逆问题的高效即插即用方法
计算机视觉与模式识别
2025-04-15 v1 机器学习
图像与视频处理
摘要
泊松-高斯噪声描述了各种成像系统的噪声，因此需要高效算法进行泊松-高斯图像恢复。深度学习方法在性能方面取得了最佳成绩，但通常需要针对特定传感器进行监督式训练。一种有前景的替代方案是即插即放 (PnP) 方法，这类方法仅通过学习正则化的去噪器，即可用于来自多个来源的图像恢复。本文介绍了 PG-DPIR，这是一种针对高计数泊松-高斯逆问题的高效 PnP 方法，源自 DPIR。虽然 DPIR 设计用于白色高斯噪声，但直接适配泊松-高斯噪声会导致算法效率极低，由于缺乏闭式近端算子。为此，我们针对泊松-高斯噪声的特定要求对 DPIR 进行了改造，并提出了一种高效的梯度下降初始化方法，用于近端步骤，从而显著加快了收敛速度。实验在卫星图像恢复和超分辨率问题上进行。模拟出高分辨率真实的帕leiades图像，用于实验，结果表明 PG-DPIR 在实现最佳性能的同时也提高了效率，这在地面卫星处理链中显然具有前景。
引用
@article{arxiv.2504.10375,
title = {PG-DPIR: An efficient plug-and-play method for high-count Poisson-Gaussian inverse problems},
author = {Maud Biquard and Marie Chabert and Florence Genin and Christophe Latry and Thomas Oberlin},
journal= {arXiv preprint arXiv:2504.10375},
year = {2025}
}