A unified framework of non-local parametric methods for image denoising

要約

我々は、単一画像のノイズ除去のための非局所的な方法の統一されたビューを提案します。BM3D はその最も一般的な代表であり、協調的に処理するために、類似性に基づいてノイズの多いパッチを収集することによって動作します。
私たちの一般的な推定フレームワークは、2 段階のリスクの最小化に基づいており、2 つのステップで近似され、光子および電子ノイズに適応します。
最初のステップでは不偏リスク推定 (URE) に依存し、2 番目のステップでは深層学習理論から借用した概念である「内部適応」に依存することで、私たちのアプローチが以前の現状を再解釈して調整できることを示します。
アート非ローカルメソッド。
このフレームワーク内で、パッチの線形結合を利用する NL-Ridge と呼ばれる新しいノイズ除去器を提案します。
概念的には単純ですが、NL-Ridge が確立された最先端の単一画像デノイザーよりも優れたパフォーマンスを発揮できることを示します。

要約(オリジナル)

We propose a unified view of non-local methods for single-image denoising, for which BM3D is the most popular representative, that operate by gathering noisy patches together according to their similarities in order to process them collaboratively. Our general estimation framework is based on the minimization of the quadratic risk, which is approximated in two steps, and adapts to photon and electronic noises. Relying on unbiased risk estimation (URE) for the first step and on “internal adaptation”, a concept borrowed from deep learning theory, for the second, we show that our approach enables to reinterpret and reconcile previous state-of-the-art non-local methods. Within this framework, we propose a novel denoiser called NL-Ridge that exploits linear combinations of patches. While conceptually simpler, we show that NL-Ridge can outperform well-established state-of-the-art single-image denoisers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google