VIDOSAT：用于在线视频去噪的高维稀疏变换学习
计算机视觉与模式识别
2017-10-04 v1
摘要
利用图像在变换域中的稀疏性的技术已在图像和视频处理的多种应用中取得成效。变换学习方法计算开销低，并已被证明在图像去噪和医学图像重建等应用中表现良好。近期，我们提出了从流信号中在线学习稀疏变换的方法，这些方法具有良好的收敛保证，且计算成本低于在线合成字典学习。在本工作中，我们将在线变换学习应用于视频去噪。我们提出了一种新颖的在线视频去噪框架，基于对时空图像块的高维稀疏变换学习。这些图像块要么由连续帧中对应的2D图像块构建，要么使用在线块匹配技术构建。所提出的在线视频去噪方法内存需求小，且处理效率高。数值实验在多个视频数据集上，将所提方法的性能与固定变换为3D DCT的视频去噪方案、基于字典学习的先前方案以及最先进的VBM3D和VBM4D进行了比较，证明了所提方法的良好性能。
引用
@article{arxiv.1710.00947,
title = {VIDOSAT: High-dimensional Sparsifying Transform Learning for Online Video Denoising},
author = {Bihan Wen and Saiprasad Ravishankar and Yoram Bresler},
journal= {arXiv preprint arXiv:1710.00947},
year = {2017}
}