面向图像去噪的无监督非局部方法的统一视角：NL-Ridge 方法
图像与视频处理
2024-07-30 v1 计算机视觉与模式识别
摘要
我们为线性组合噪声图像块的无监督非局部图像去噪方法提出了一个统一视角。在不同建模和估计框架下建立的最佳方法均为两步算法。利用 Stein 无偏风险估计（SURE）进行第一步，并借鉴深度学习理论中的“内部自适应”概念进行第二步，我们表明，我们的 NL-Ridge 方法能够调和多种用于图像去噪的块聚合方法。在第二步中，我们的闭式聚合权重通过多元岭回归计算得出。在人工加噪图像上的实验表明，NL-Ridge 在概念上更简单的同时，其性能可能优于公认的最先进无监督去噪器（如 BM3D 和 NL-Bayes），以及近期的无监督深度学习方法。
引用
@article{arxiv.2203.00570,
title = {Towards a unified view of unsupervised non-local methods for image denoising: the NL-Ridge approach},
author = {Sébastien Herbreteau and Charles Kervrann},
journal= {arXiv preprint arXiv:2203.00570},
year = {2024}
}