Target Aware Poisson-Gaussian Noise Parameters Estimation from Noisy Images

要約

デジタル センサーは、多くの状況でノイズの多い結果をもたらす可能性があります。
画像から望ましくないノイズを除去できるようにするには、適切なノイズ モデリングと正確なノイズ パラメータ推定が不可欠です。
このプロジェクトでは、センサーの物理的特性に密接に適合するため、センサーによってキャプチャされた生の画像にポアソン ガウス ノイズ モデルを使用します。
さらに、観測された (ノイズのある) 画像ペアとグラウンド トゥルース (ノイズのない) 画像ペアが利用可能な場合に限定します。
このようなペアを使用すると、ノイズの推定に役立ちますが、文献では広く研究されていません。
このモデルに基づいて、理論上の最尤解を導出し、その実際の実装と最適化について説明します。
さらに、分散統計とキュムラント統計に基づく 2 つのアルゴリズムを提案します。
最後に、私たちの方法の結果を、私たちが自分で訓練した CNN と文献から取った別の 2 つの異なるアプローチと比較します。
これらすべての方法を比較すると、私たちのアルゴリズムが MSE に関して他の方法よりも優れており、優れた追加特性を持っていることがわかります。

要約(オリジナル)

Digital sensors can lead to noisy results under many circumstances. To be able to remove the undesired noise from images, proper noise modeling and an accurate noise parameter estimation is crucial. In this project, we use a Poisson-Gaussian noise model for the raw-images captured by the sensor, as it fits the physical characteristics of the sensor closely. Moreover, we limit ourselves to the case where observed (noisy), and ground-truth (noise-free) image pairs are available. Using such pairs is beneficial for the noise estimation and is not widely studied in literature. Based on this model, we derive the theoretical maximum likelihood solution, discuss its practical implementation and optimization. Further, we propose two algorithms based on variance and cumulant statistics. Finally, we compare the results of our methods with two different approaches, a CNN we trained ourselves, and another one taken from literature. The comparison between all these methods shows that our algorithms outperform the others in terms of MSE and have good additional properties.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google