Group Sparse Coding for Image Denoising

要約

グループ スパース表現は、GSR [3] のイメージ デブラーリングとイメージ インペインティングで有望な結果を示しています。成功につながる主な理由は、自然イメージのパッチ間でスパース性と非局所的自己相似性 (NSS) を活用し、正則化された最適化を解決することです。
問題。
ただし、画像ノイズ除去で GSR[3] を直接適応させると、非常に不安定で満足のいく結果が得られません。これらの問題を克服するために、この論文では、GSR [3] モデルを正常に適応させるプログレッシブ画像ノイズ除去アルゴリズムを提案し、実験では、いくつかのモデルよりも優れたパフォーマンスを示しています。
最先端の方法。

要約(オリジナル)

Group sparse representation has shown promising results in image debulrring and image inpainting in GSR [3] , the main reason that lead to the success is by exploiting Sparsity and Nonlocal self-similarity (NSS) between patches on natural images, and solve a regularized optimization problem. However, directly adapting GSR[3] in image denoising yield very unstable and non-satisfactory results, to overcome these issues, this paper proposes a progressive image denoising algorithm that successfully adapt GSR [3] model and experiments shows the superior performance than some of the state-of-the-art methods.

arxiv情報

著者 Luoyu Chen,Fei Wu
発行日 2022-12-22 06:25:53+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク