通过非局部均值权重优化去除高斯噪声
其他统计学
2011-11-04 v1
摘要
本文提出了一种新的图像去噪算法，用于处理加性高斯白噪声模型。与非局部均值方法类似，该滤波器基于邻域内观测值的加权平均，权重取决于局部块的相似性。但与使用固定高斯核的非局部均值滤波器不同，我们建议通过最小化均方误差的紧上界来选择权重。这种方法使得能够根据目标函数定义自适应权重，模仿oracle滤波器的权重。在目标图像满足一定正则性条件的情况下，我们证明了所得到的估计量以通常的最优速率收敛。所提出的算法是无参数的，因为它自动计算平滑核的带宽；该算法速度快且实现简单。通过数值模拟展示了新滤波器的性能。
引用
@article{arxiv.1109.5640,
title = {Removing Gaussian Noise by Optimization of Weights in Non-Local Means},
author = {Qiyu Jin and Ion Grama and Quansheng Liu},
journal= {arXiv preprint arXiv:1109.5640},
year = {2011}
}
备注
35 pages, 6 figures and 5 tables